使用正则表达式删除熊猫数据框中的子字符串

Posted 2023-03-12

【中文标题】使用正则表达式删除熊猫数据框中的子字符串

【英文标题】：Deleting substrings in a panda dataframe using regular expressions

【发布时间】：2018-09-24 08:45:21

【问题描述】：

您好，我想在我的数据框中的多行和多列中从 date-and-time:city:endIndex:8,startIndex:0,value:Atlantic 中删除 endIndex:8,startIndex:0,value:。

这是我的数据框中一行的示例。

 "_id" : ObjectId("5ad13551df70d8025b7811db"), "Article url" : "http://wreg.com/2015/08/02/mpd-officer-killed-in-the-line-of-duty-identified/",  "Full text" : "Blah blah", "Json" : "circumstances:number-of-shots-fired:endIndex:-1,startIndex:-1,value:,type-of-gun:endIndex:-1,startIndex:-1,value:,date-and-time:city:endIndex:7,startIndex:0,value:MEMPHIS,clock-time:endIndex:226,startIndex:218,value:9:15 p.m, victim-section:[age:endIndex:151,startIndex:148,value:33,,gender:Male,name:endIndex:146,startIndex:135,value:Sean Bolton,race:endIndex:-1,startIndex:-1,value:,victim-was:[killed]]", "Publication date" : "2015-08-03 10:24:27+00:00" 

如您所见，endIndex:,startIndex:,value: 显示在一堆具有不同值（有时没有值）的不同列中。 那么我该如何从

date-and-time:city:endIndex:7,startIndex:0,value:MEMPHIS

到我想要的输出

date-and-time:city:MEMPHIS

*我知道这个值没有意义，所以请忽略它。

到目前为止，我一直在考虑使用 pandas.DataFrame.replace 结合正则表达式来查找符合我的条件的子字符串。

new_df=old_df.replace('abcendIndex:X,startIndex:Y,value:ABC', '', regex=True)

abc、ABC 和 X、Y 等价的正则表达式是什么？他们可以是任何东西。

【参考方案1】：

希望对您有所帮助。 :)

new_df=a.replace('endIndex:(.+),startIndex:(.+),value:', '', regex=True)

【讨论】：

你能回答我吗，你为什么不赞成我的回答。对我来说效果很好。