熊猫用正则表达式str.replace（）

Question

说我有这个数据框：

df = pd.DataFrame({'Col': ['DDJFHGBC', 'AWDGUYABC']})

我想用ABC替换所有以ABC结尾的内容，并用BC替换所有以ABC结尾的内容（BC格除外）。输出如下：

    Col
0   BC
1   ABC

如何使用正则表达式实现这一目标？我已经尝试过类似的事情：

df.Col.str.replace(r'\w*BC\b', 'BC')
df.Col.str.replace(r'\w*ABC\b', 'ABC')

但是很明显，这两行是冲突的，我将以使用它们的任何顺序仅以BC结尾。

Answer 1

您可以使用\w*?来匹配最少的字符，然后在组1中捕获与可选的A匹配，然后匹配BC (A?BC)，然后匹配单词边界。

\w*?(A?BC)\b

Regex demo

其中有替换使用组1

df.Col.str.replace(r'\w*?(A?BC)\b', r'\1')

Answer 2

怎么样？

df.Col.str.replace(r'\w*ABC\b', 'ABC_').str.replace(r'\w*BC\b', 'BC').str.replace(r'\w*ABC_\b', 'ABC')

首先将\w*ABC\b替换为ABC_。 ABC_不会受到replace(r'\w*BC\b', 'BC')的影响。

然后将ABC_替换为ABC，以将字符串转换回原始字符串。

Answer 3

您可以使用replace解决方案，例如：

df['Col'].str.replace(r'(?s)^.*?(A?BC)$', r'\1')
# 0     BC
# 1    ABC

在这里，(?s).*?(A?BC)$个匹配项

• (?s)-一个.将与包括换行符在内的所有字符匹配
• ^-字符串的开头
• .*?-任意0个以上的字符，尽可能少
• (A?BC)-第1组（在替换模式中称为\1）：可选的A然后是BC
• $-字符串的结尾。