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 2023-03-12

【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