在熊猫数据框中使用正则表达式替换列值

Posted 2023-03-12

【中文标题】在熊猫数据框中使用正则表达式替换列值

【英文标题】：Replace column values using regex in pandas data frame

【发布时间】：2018-04-11 23:23:11

【问题描述】：

我在pandas 数据框中有一列，如下所示。列名是ABC

ABC
Fuel
FUEL
Fuel_12_ab
Fuel_1
Lube
Lube_1
Lube_12_a
cat_Lube

现在我想使用下面的正则表达式替换此列中的值

ABC
Fuel
FUEL
Fuel
Fuel
Lube
Lube
Lube
cat_Lube

我们如何在pandas数据框中进行这种类型的字符串匹配。

【参考方案1】：

In [63]: df.ABC.str.replace(r'_\d+.*', r'')
Out[63]:
0        Fuel
1        FUEL
2        Fuel
3        Fuel
4        Lube
5        Lube
6        Lube
7    cat_Lube
Name: ABC, dtype: object

【讨论】：

df.ABC.str.split('_\d', 1).str[0]

@MaxU 好技巧只是有点怀疑我的专栏是否有Fuel_aa_12 会起作用。

@piRSquared，请将其添加为答案！ :)

我添加了一个不同的。

@New_learner 如果是这种情况，您应该为您的问题添加更多可能的输入。由于您刚刚描述的新输入，这里有 2/3 个答案中断。

【参考方案2】：

替换为str.extract:

df.ABC.str.extract('^(.*?)(?=_\d|$)', expand=False)

0        Fuel
1        FUEL
2        Fuel
3        Fuel
4        Lube
5        Lube
6        Lube
7    cat_Lube
Name: ABC, dtype: object

---

扩展由 piRSquared 提供：

df.ABC.str.extract('(.*(?<=lube|fuel)).*', re.IGNORECASE, expand=False)

0        Fuel
1        FUEL
2        Fuel
3        Fuel
4        Lube
5        Lube
6        Lube
7    cat_Lube
Name: ABC, dtype: object

【讨论】：

pd.Series.str.extract 版本df.ABC.str.extract('(.*(?<=lube|fuel)).*', re.IGNORECASE, expand=False)

在查询开头添加^ 使步数减半（180 而非 363）

@ctwheels 谢谢，知道这很有趣（添加）。

【参考方案3】：

在忽略大小写的情况下对lube 或fuel 使用正向后视。

import re
import pandas as pd

pat = re.compile('(?<=lube|fuel)_', re.IGNORECASE)

df.assign(ABC=[re.split(pat, x, 1)[0] for x in df.ABC])

        ABC
0      Fuel
1      FUEL
2      Fuel
3      Fuel
4      Lube
5      Lube
6      Lube
7  cat_Lube

【讨论】：

_\d 使用 19 步而不是 51 步

@ctwheels 这样更好吗？：re.compile('(?<=lube|fuel)_.*', re.IGNORECASE)

你坚持你刚刚评论的那个，OP在MaxU's answer下面的评论中添加了新的输入，这导致其他答案在\d使用时中断。