Pandas DF：如何用分隔符（；CSV 格式）将 '-' 替换为 '_'

Posted 2023-03-12

【中文标题】Pandas DF：如何用分隔符（；CSV 格式）将 \'-\' 替换为 \'_\'

【英文标题】：Pandas DF : how to replace '-' by '_' with separators (; CSV format)Pandas DF：如何用分隔符（；CSV 格式）将 '-' 替换为 '_'

【发布时间】：2019-08-02 02:07:59

【问题描述】：

我需要正则表达式和正则表达式函数方面的帮助！！！我有一个用“;”分隔的 CSV 文件并且需要将 - 替换为 _。数据如下所示：

79             80;0;RueSaint_Hilaire;Locale;15-25;1;1             
80              81;0;RueSaint_Hilaire;Locale;5-10;5;5             
81                   82;0;RueTaillon;Locale;10-15;1;1             
82                   83;0;RueTanguay;Locale;10-15;2;2             
83                   84;0;RueTanguay;Locale;15-25;2;2             
84                    85;0;RueTanguay;Locale;5-10;3;3  

例如，我需要将 15-25 替换为 15_25。

到目前为止，我已经尝试过了：

df.replace('-','_', inplace=True)

或者这个：

df_obj = df.select_dtypes(['object'])
df[df_obj.columns] = df_obj.apply(lambda x: x.str.strip())
df.replace('-','_', inplace=True)
print(df)

没有任何成功。这里有任何正则表达式或替换向导可以解决这个小问题吗？

非常感谢！

【问题讨论】：

RueSaint-Hilaire 应该更改为RueSaint_Hilaire？您还希望将这些字段读入单独的列，还是您想要一个大字符串？

对不起，我的错误。名称已从以前的数据库中更正。我需要将 15-25、5-10、10-15（等等...）更改为 15_25,5_10,10_15

【参考方案1】：

这是我能想到的最简单的实现：

with open(<PATH TO FILE>, 'r') as fileIn:
    data = fileIn.read()
    print("\nOriginal data: \n", data)
    data = data.replace('-', '_')
    print("Modified data: \n", data)

这给出了：

Original data:
80,0,RueSaint-Hilaire,Locale,15-25,1,1
81,0,RueSaint-Hilaire,Locale,10-May,5,5

Modified data:
80,0,RueSaint_Hilaire,Locale,15_25,1,1
81,0,RueSaint_Hilaire,Locale,10_May,5,5

【参考方案2】：

如果您需要在数字之间专门更改您的-，请选择：

import re

regex = r"(\d+)-(\d+)"

test_str = ("79             80;0;RueSaint_Hilaire;Locale;15-25;1;1         \n"
    "80              81;0;RueSaint_Hilaire;Locale;5-10;5;5         \n"
    "81                   82;0;RueTaillon;Locale;10-15;1;1         \n"
    "82                   83;0;RueTanguay;Locale;10-15;2;2         \n"
    "83                   84;0;RueTanguay;Locale;15-25;2;2         \n"
    "84                    85;0;RueTanguay;Locale;5-10;3;3  ")

subst = "$1_$2"

# You can manually specify the number of replacements by changing the 4th argument
result = re.sub(regex, subst, test_str, 0, re.MULTILINE)

if result:
    print (result)

您可以在此处查看正则表达式：https://regex101.com/r/DGrm7V/1

【参考方案3】：

默认为regex=False。因此，使用您现有的代码使用正则表达式替换为regex=True 和inplace=True。见replace

df.replace('-', '_',regex=True, inplace=True)
print(df)

【讨论】：

我只是错过了 regex=True 参数。感谢您指出这一点！

是的，这就是为什么我也为您添加了 replace 手册。希望这会有所帮助

【参考方案4】：

这里有一个关于 pandas 的很好的常见问题解答：https://***.com/tags/pandas/info

将 lambda 应用于数据框，如下所示：

df['foo'] = df['foo'].apply(lambda x: x.replace('_', '-'))

【参考方案5】：

通常，我会选择：

df['Col'] = df['Col'].str.replace('-', '_')