使用正则表达式避免 pandas str.replace

Posted 2023-02-23

【中文标题】使用正则表达式避免 pandas str.replace

【英文标题】：Avoid pandas str.replace using a regex

【发布时间】：2016-07-17 18:11:12

【问题描述】：

我有以下熊猫数据框。假设它有两列：id 和 search_term：

id       search_term
37651    inline switch

我愿意：

train['search_term'] = train['search_term'].str.replace("in."," in. ")

期望上面的数据集不受影响，但我得到了这个数据集的回报：

id       search_term
37651    in.  in.  switch

这意味着inl 被in. 替换，ine 被in. 替换，就好像我在使用正则表达式时一样，其中点表示任何字符。

我如何重写第一个命令，以便从字面上看，in. 被 in. 替换，但任何后面没有点的 in 都保持不变，如下所示：

a = 'inline switch'
a = a.replace('in.','in. ')

a
>>> 'inline switch'

【问题讨论】：

你实际想要的输出是什么？

对不起，我想从字面上替换“点”。我在下面发布了一个答案，因为我发现了一篇关于“点”正则表达式的好帖子。问题是数据框中的 str.replace() 使用正则表达式

【参考方案1】：

0.23 或更高版本，str.replace() 获得了切换正则表达式的新选项。 以下将简单地将其关闭。

df.search_term.str.replace('in.', 'in. ', regex=False)

将导致：

0    inline switch
1         in. here
Name: search_term, dtype: object

【参考方案2】：

这就是答案：匹配点的正则表达式。

str.replace() 在 pandas 中确实使用了正则表达式，所以：

df['a'] = df['a'].str.replace('in.', ' in. ')

无法与：

a.replace('in.', ' in. ')

后者不使用正则表达式。所以使用'\。'代替 '。'如果您真的是指点而不是任何字符，则在使用正则表达式的语句中。

Regular Expression to match a dot

【讨论】：

但是请注意，您仍然可以使用正则表达式，同时声明点没有特殊含义。

【参考方案3】：

尝试转义.：

import pandas as pd

df = pd.DataFrame('search_term': ['inline switch', 'in.here'])
>>> df.search_term.str.replace('in\\.', 'in. ')
0    inline switch
1          in. here
Name: search_term, dtype: object

【讨论】：

感谢阿米。我看你逃过了。在第一个论点中，但第二个呢？如果你想从字面上替换'in'。通过'在。 ' 然后你应该使用 str.replace('in\\.', 'in\\.') 还是 str.replace('in\\.', 'in.')？

@AlejandroSimkievich 这似乎合乎逻辑，但不是。请参阅上面的更新示例。只有第一个字符串中的点被解释为正则表达式字符（必须转义）。