如何使用选择性正则表达式在熊猫系列中执行替换？

Posted 2023-03-12

【中文标题】如何使用选择性正则表达式在熊猫系列中执行替换？

【英文标题】：How to use a selective regex to perform replace in a pandas series?

【发布时间】：2018-07-23 05:06:30

【问题描述】：

我想在申请pandas.Series.str.replace 时使用正则表达式。我知道它需要正则表达式，但我的输出不符合预期。这是一个简单的例子。假设我有

ser = pd.Series(['asd3', 'qwe3', 'asd4', 'zxc'])

我想把'asd3' 和'asd4' 变成'asd'。也就是说，只需删除最后的任何整数。我正在使用代码：

ser.str.replace('asd([0-9])','')

请注意我正在使用([0-9]) 表示法，我将其解释为：对于该系列的任何元素，如果它看起来像'asd([0-9])'，则将[0-9] 替换为``（即删除它） ）。但我得到的是

0    
1  qwe3
2    
3  zxc

而我想得到的是：

0  asd
1  qwe3
2  asd
3  zxc

这是一个简单的例子，我的正则表达式字符串比这更难看，但我希望这能传达我打算做什么的想法。

【参考方案1】：

在您的情况下，.replace('asd([0-9])','') 只是删除 asd 及其后面的任何数字。

使用

ser.str.replace('asd[0-9]+','asd')

或

ser.str.replace('(asd)[0-9]+',r'\1')

.replace('asd[0-9]+','asd') 将用asd 替换asd 及其后面的任何1+ 位数字，在.replace('(asd)[0-9]+',r'\1') 中，asd 子字符串将被捕获到组 1（由于捕获括号）和 1 + 数字将被匹配，整个匹配将被替换为包含第 1 组值的 \1 占位符（即 asd）。