如何在不同情况下使用正则表达式修改熊猫中的字符串

Posted

技术标签:

【中文标题】如何在不同情况下使用正则表达式修改熊猫中的字符串【英文标题】:How to use regex to modify a string in pandas in different cases 【发布时间】:2020-09-23 09:55:09 【问题描述】:

我有以下名为 df 的数据框:

   Symbol  Country  Type  etc...
0  AG.L    UK       OS
1  UZ.     UK       OS
2  DT      UK       OS
3  XX.L    US       OS
4  MSFT    US       OS
5  AAPL    US       OS
6  DB.S    SG       OS

我想在框架上执行以下操作。国家 == 'UK',

可能有 3 种情况。

Case 1: ends with .L, do nothing Case 2: ends with ., add 'L' to the end Case3: ends with neither . or .L, add '.L' to the end 只要 Country == 'UK',我希望它以 '.L' 结尾。

所以它应该看起来像这样。

   Symbol  Country  Type  etc...
0  AG.L    UK       OS
1  UZ.L    UK       OS
2  DT.L    UK       OS
3  XX.L    US       OS
4  MSFT    US       OS
5  AAPL    US       OS
6  DB.S    SG       OS

我使用以下代码。

df.loc[df['Country'].eq('UK'),'Symbol'] = df.loc[df['Country'].eq('UK'),'Symbol'].str.replace(r'\.', '.L').str.replace(r'[a-z]$', '.L') 

但我明白了

AG.LL  
UZ.L    
DT      

正确的做法是什么?

【问题讨论】:

是否可以在 python 中将 '([^L])$' 替换为 $1L?因此,如果最后一个字符不是 L,请在最后一个字符上添加一个 L。不知道 python 中捕获组和反向引用的确切语法。你必须自己找出答案。 DB.S 不会受到影响,因为它不在英国 抱歉,我的编辑使您的评论过时了。您对不在英国的 DB.S 是正确的,但这是替换中的错误。如果将所有句点替换为 .L,这将对中间有句点的英国符号产生影响。这就是 AG.LL 的原因:句点被替换为 .L 【参考方案1】:

您几乎是正确的,但是您在点替换时错过了美元符号,而另一个必须略有不同,所以请尝试:

df.loc[df['Country'].eq('UK'),'Symbol'] =  df.loc[df['Country'].eq('UK'),'Symbol'].str.replace(r'^([A-Z]+)$', r'\1.L').str.replace(r'\.$', '.L') 

在我的 Python shell 中,它输出:

0    AG.L
1    UZ.L
2    DT.L
Name: Symbol, dtype: object

【讨论】:

以上是关于如何在不同情况下使用正则表达式修改熊猫中的字符串的主要内容,如果未能解决你的问题,请参考以下文章

在Java中,如何在没有正则表达式的情况下查找字符串中的第一个字符是不是为大写

使用正则表达式删除熊猫数据框中的子字符串

根据相同字符的不同位置将正则表达式应用于熊猫列

Pandas 正则表达式拆分字符和组

在没有正则表达式的情况下验证具有不同格式的电话号码

在 Ruby 中,我可以在不使用正则表达式的情况下检查字符串是不是包含字母吗?