Pandas .str.replace 和不区分大小写

Posted 2023-03-12

【中文标题】Pandas .str.replace 和不区分大小写

【英文标题】：Pandas .str.replace and case insensitivity

【发布时间】：2019-05-20 16:41:47

【问题描述】：

使替换不区分大小写在以下示例中似乎没有效果（我想将 jr. 或 Jr. 替换为 jr em>):

In [0]: pd.Series('Jr. eng').str.replace('jr.', 'jr', regex=False, case=False)
Out[0]: 0    Jr. eng

为什么？我误会了什么？

【参考方案1】：

case 参数实际上是一种方便的替代指定 flags=re.IGNORECASE 的方法。如果替换不是基于正则表达式的，则它与替换无关。

所以，当regex=True，这些是你可能的选择：

pd.Series('Jr. eng').str.replace(r'jr\.', 'jr', regex=True, case=False)
# pd.Series('Jr. eng').str.replace(r'jr\.', 'jr', case=False)

0    jr eng
dtype: object

或者，

pd.Series('Jr. eng').str.replace(r'jr\.', 'jr', regex=True, flags=re.IGNORECASE)
# pd.Series('Jr. eng').str.replace(r'jr\.', 'jr', flags=re.IGNORECASE)

0    jr eng
dtype: object

您还可以通过将不区分大小写标志作为?i 的一部分合并到模式中来变得厚颜无耻并绕过两个关键字参数。见

pd.Series('Jr. eng').str.replace(r'(?i)jr\.', 'jr')
0    jr eng
dtype: object

注意 您需要在正则表达式模式下转义句点 \.，因为 未转义的点是具有不同含义的元字符（匹配 任何字符）。如果要动态转义模式中的元字符，可以使用re.escape。

有关标志和锚点的更多信息，请参阅 this section of the docs 和 re HOWTO。

---

从source code 可以清楚地看出，如果regex=False，则忽略“case”参数。见

# Check whether repl is valid (GH 13438, GH 15055)
if not (is_string_like(repl) or callable(repl)):
    raise TypeError("repl must be a string or callable")

is_compiled_re = is_re(pat)
if regex:
    if is_compiled_re:
        if (case is not None) or (flags != 0):
            raise ValueError("case and flags cannot be set"
                             " when pat is a compiled regex")
    else:
        # not a compiled regex
        # set default case
        if case is None:
            case = True

        # add case flag, if provided
        if case is False:
            flags |= re.IGNORECASE
    if is_compiled_re or len(pat) > 1 or flags or callable(repl):
        n = n if n >= 0 else 0
        compiled = re.compile(pat, flags=flags)
        f = lambda x: compiled.sub(repl=repl, string=x, count=n)
    else:
        f = lambda x: x.replace(pat, repl, n)

您可以看到case 参数仅在if 语句内进行检查。

IOW，唯一的方法是确保regex=True 以便替换是基于正则表达式的。

【讨论】：

如果您要打开正则表达式模式，您可能应该转义 .。

谢谢！逃避的需要。是我禁用正则表达式的真正原因（我只是懒惰）。

@Toby 如果您不想自己转义，可以使用re.escape(mypattern) 转义所有正则表达式元字符。懒惰 FTW！