pandas 用异常替换列中的部分字符串

z9gpfhce 于 2023-01-28 发布在其他

关注(0)|答案(2)|浏览(135)

我正在做一个数据清理Jupyter笔记本与Pandas，我试图得到只是字符串的第一部分。但有一个陷阱。我可以很容易地删除表达式的其余部分，但有些字段实际上是有效的。因此，例如在列：
| 装运_供应商|
| - ------|
| 美国石油公司|
| Usps国际|
| 乌斯普西3|
| 乌斯普西丘|
| 使用者|
所以我想保持Usps和Usps的国际化。到目前为止，我使用了以下代码来处理简单的挑战：

orders.loc[:, 'SHIPMENT_PROVIDER'] = orders.loc[:, 'SHIPMENT_PROVIDER'].replace(to_replace='(?:Usps)([a-zA-Z0-9]+)$', value = 'Usps', regex = True)

但是这对于两个可替换的表达式是不起作用的。因此，带有一些随机字符的Usps，例如（Uspsxyz），应该替换为Usps，但是带有一些随机字符的Usps International，例如（Usps Internationalxyz），应该替换为Usps International。

pandas

来源：https://stackoverflow.com/questions/75260685/replacing-part-of-string-in-a-column-with-exceptions

2条答案

按热度按时间

lnlaulya1#

其他人已经发布了正则表达式解决方案。那么非正则表达式解决方案呢？

s = orders["SHIPMENT_PROVIDER"]
orders["SHIPMENT_PROVIDER"] = np.select(
    [s.str.startswith("Usps International"), s.str.startswith("Usps")],
    ["Usps International", "Usps"],
    s,
)

赞(0）回复(0）举报 2023-01-28

y1aodyip2#

作为一种模式，您可以将捕获组用于第一部分，而不是将可选部分用于国际部分

^(Usps)(?: International)?[a-zA-Z0-9]+$

在更换中，使用组1。
Regex demo

import pandas as pd

pattern = r"^(Usps)(?: International)?[a-zA-Z0-9]+$"

items = [
    "Usps",
    "Usps International",
    "Uspsxy3",
    "Usps7kju",
    "Usps0by",
    "Usps Internationalxyz"
]

orders = pd.DataFrame(items, columns=["SHIPMENT_PROVIDER"])
orders.loc[:, 'SHIPMENT_PROVIDER'] = orders.loc[:, 'SHIPMENT_PROVIDER'].replace(r"^(Usps)(?: International)?[a-zA-Z0-9]+$", r"\1", regex=True)
print(orders)

产出

SHIPMENT_PROVIDER
0                Usps
1  Usps International
2                Usps
3                Usps
4                Usps
5                Usps

赞(0）回复(0）举报 2023-01-28

我来回答

pandas 用异常替换列中的部分字符串

2条答案

相关问题

热门标签

最新问答