python - 替换单词和字符串 pandas

Question

    dataframe = pd.DataFrame({'Date':['This 1A1619 person BL171111 the A-1-24',
                                  'dont Z112 but NOT 1-22-2001',
                                  'mix: 1A25629Q88 or A13B ok'], 
                          'IDs': ['A11','B22','C33'],
                          }) 

           Date                                 IDs
0   This 1A1619 person BL171111 the A-1-24      A11
1   dont Z112 but NOT 1-22-2001                 B22
2   mix: 1A25629Q88 or A13B ok                  C33

我有上面的数据框。我的目标是替换所有没有连字符的混合单词/数字组合 - 例如1A1619I 或 BL171111 或 A13B 但不是 1-22-2001 或 A-1-24 与字母 M。我试图通过 identify letter/number combinations using regex and storing in dictionary 使用下面的代码

dataframe['MixedNum'] = dataframe['Date'].str.replace(r'(?=.*[a-zA-Z])(\S+\S+\S+)','M') 

但是我得到了这个输出

                          Date              IDs     MixedNum
0   This 1A1619 person BL171111 the A-1-24  A11     M M M M M M M
1   dont Z112 but NOT 1-22-2001             B22     M M M M 1-22-2001
2   mix: 1A25629Q88 or A13B ok              C33     M M or M ok

什么时候我真的想要这个输出

                          Date              IDs     MixedNum
0   This 1A1619 person BL171111 the A-1-24  A11     This M person M the A-1-24 
1   dont Z112 but NOT 1-22-2001             B22     dont M but NOT 1-22-2001
2   mix: 1A25629Q88 or A13B ok              C33     mix: M or M ok

我也尝试了这里建议的正则表达式，但它对我也不起作用 Regex replace mixed number+strings

谁能帮我修改我的正则表达式？ r'(?=.*[a-zA-Z])(\S+\S+\S+

Answer 1

你可以使用

pat = r'(?<!\S)(?:[a-zA-Z]+\d|\d+[a-zA-Z])[a-zA-Z0-9]*(?!\S)'
dataframe['MixedNum'] = dataframe['Date'].str.replace(pat, 'M')

输出:

>>> dataframe
                                     Date  IDs                    MixedNum
0  This 1A1619 person BL171111 the A-1-24  A11  This M person M the A-1-24
1             dont Z112 but NOT 1-22-2001  B22    dont M but NOT 1-22-2001
2              mix: 1A25629Q88 or A13B ok  C33              mix: M or M ok

图案细节

• (?<!\S) - 空格或字符串开头应紧接在当前位置之前
• (?:[a-zA-Z]+\d|\d+[a-zA-Z]) - 任何一个
  • [a-zA-Z]+\d - 1+ 个字母和一个数字
  • | - 或者
  • \d+[a-zA-Z] - 1 个以上的数字和一个字母
• [a-zA-Z0-9]* - 0+ 个数字或字母
• (?!\S) - 空格或字符串结尾应紧跟在当前位置之后。