Pandas 中的严格正则表达式替换

Posted 2023-03-11

【中文标题】Pandas 中的严格正则表达式替换

【英文标题】：Strict regex in Pandas replace

【发布时间】：2018-03-02 21:59:27

【问题描述】：

我需要编写一个严格的regular expression 来替换我的pandas 数据框中的某些值。这是在解决我发布的here 的问题后提出的问题。

问题在于.replace(idsToReplace, regex=True) 并不严格。因此，如果 iDsToReplace 是：

NY : New York
NYC : New York City

我们替换 ID 的注释是：

My cat from NYC is large.

得到的响应是：

My cat from New York is large.

pandasreplace 函数中是否有一种 Python 方法可以使 regular expression 更严格地匹配 NYC 而不是 NY？

【问题讨论】：

正则表达式中没有严格的概念，它只是匹配你告诉它的内容。您可能正在寻找\b 字边界。

对不起，如果dict是d = 'NYC': 'New York City', 'NY' : 'New York'，是否需要将My cat from NYC is large.替换为My cat from New York City is large.？

问题是单词 NYC 被 NY 捕获，而不是 NYC。因此，正确答案是：“我来自纽约市的猫很大”。我正在做一些测试，但到目前为止，您的以下答案似乎正在使用 bounds

@owwoow14 - 超级，很高兴能帮上忙！

【参考方案1】：

将\b 为word boundaries 添加到dict 的每个键：

d = 'UK': 'United Kingdom', 'LA': 'Los Angeles', 'NYC': 'New York City', 'NY' : 'New York'

data = 'Categories': ['animal','plant','object'],
    'Type': ['tree','dog','rock'],
        'Comment': ['The NYC tree is very big', 'NY The cat from the UK is small',
                    'The rock was found in LA.']


d = r'\b' + k + r'\b':v for k, v in d.items()

df = pd.DataFrame(data)

df['commentTest'] = df['Comment'].replace(d, regex=True)
print (df)
  Categories                          Comment  Type  \
0     animal         The NYC tree is very big  tree   
1      plant  NY The cat from the UK is small   dog   
2     object        The rock was found in LA.  rock   

                                         commentTest  
0                 The New York City tree is very big  
1  New York The cat from the United Kingdom is small  
2                 The rock was found in Los Angeles.