删除由重复字母组成的单词

Question

我有一个包含文本数据的dataframe列。它几乎没有完全由重复字母组成的单词，也很少有其他单词具有部分重复字母。我想删除由完全重复的字母组成的单词，在其他情况下（如果重复字母的计数大于2），只保留第一次出现的字母在dataframe列中。怎么做？例如，如果我的数据帧中有-

id   text
1     aaaa
2     bb
3     wwwwwwww
4     helloooo
5     see youuuu 

输出应为-

^{pr2}$

Answer 1

这可能不是特别优雅，也可能不是很快，但它是有效的。我希望它足够满足你的需要。在

生成一个函数，根据需要对字符串进行排序，然后使用pandas映射将其应用于所有元素，因此：

def clean(string):
    if (len(string)==0):
        return ''
    if (set(string) == set(string[0])):
        return ''    
    prev = None
    letters = [l for l in string]
    counter = 1
    new = []
    for l in letters:
        if l==prev:
            counter+=1
        else:
            if (counter==2):
                new.append(prev)
            counter=1
            new.append(l)
            prev = l
    return ''.join(new)

然后你可以：

^{pr2}$

简单地说，首先检查整个字符串是否在一个字母中（set只保留唯一的元素）。然后开始迭代所有的字母，跳过重复的字母，但要计算重复的字母。最后，当一个重复序列完成后，只有当重复次数正好是2时，才可以再添加一个副本。在

我测试了这个，得到了预期的结果，但是如果你确实遇到了一些我没有想到检查的问题，请告诉我，我会解决它。在