在保持可变的情况下更改熊猫中的字符串

Question

我在Pandas中的数据（df ['case']）包含两种引用美元金额的方式：

• 他为PC支付了500美元。
• 他为PC支付了500美元。
• 交易以美元和欧元完成。

不同之处在于空白。我现在想将“ USD”替换为“ USD”，但前提是USD后面跟随数字-同时保留数字。

df['case'] = df['case'].str.replace('USD ', 'USD', re.IGNORECASE)

将不起作用，因为它还会包含没有数字后跟的实例（请参见第三个示例）。

df['case'] = df['case'].str.replace('USD (\d+)', 'USD', re.IGNORECASE)

这将仅匹配后跟数字但也替换数字的情况。有没有办法告诉它找到变量，然后替换变量以外的所有内容？基本上：

df['case'] = df['case'].str.replace('USD (\d+)', 'USD(\d+)', re.IGNORECASE)

第二个（\ d +）不是按字面意义使用的，而是前面的数字的占位符，它将再次插入此处。

我也尝试过：

for row in df['case'].str.contains('USD (\d+), re.IGNORECASE):
   df['case'] = df['case'].str.replace('USD ', 'USD', re.IGNORECASE)

后者不能迭代行，而只能在包含字符串的行中执行更改。后者的解决方案还将极大地解决其他问题。

Answer 1

使用

(?i)USD\s+(?=\d)

详细信息

• (?i)-启用不区分大小写的搜索
• USD-文字USD
• \s+-1个以上的空格字符
• (?=\d)-（确保前瞻性）下一个字符应为不会添加到匹配值的数字，因此不会被替换。

在熊猫中：

df['case'] = df['case'].str.replace(r'(?i)USD\s+(?=\d)', 'USD')

请参见regex demo

如果您需要将USD保留为原始格式，请使用

df['case'] = df['case'].str.replace(r'(?i)(USD)\s+(?=\d)', r'\1')

也就是说，将USD捕获到捕获组中，然后使用\1反向引用/占位符从字符串替换模式中引用该组值。