# Создадим датафрейм с данными по сетевым заведениям:
chain_num_seats = data[data['chain'] == 'да'].groupby(
    'object_name', as_index=False).mean()[['object_name', 'number']]
# Выведем на экран:
chain_num_seats
# Посмотрим сколько сетей без обработки:
chain_num_seats_unique = chain_num_seats['object_name'].unique()
len(np.unique(chain_num_seats_unique))
# приведём названия к нижнему регистру:
chain_num_seats_unique_lower = list(map(lambda x: x.lower(), chain_num_seats_unique))
print(len(chain_num_seats_unique_lower))
chain_num_seats_unique_lower
# Список строк который нужно исключить из навзаний:
to_remove_list = ['«','»',
                  '\'',
                  'кафе',
                  'ресторан ',
                  'ДЕТСКИЙ КЛУБ']

# сделаем список с нижним регистром:
to_remove_list = list(map(lambda x: x.lower(), to_remove_list))

# Применим список для замены названий:
import re
chain_num_seats_unique_lower = pd.Series(chain_num_seats_unique_lower).str.replace('|'.join(map(re.escape, to_remove_list)), '')
# и выведем получившееся на экран:
chain_num_seats_unique_lower