python - Pandas:使用正则表达式替换列中的值

Question

我有 2 个数据帧，我需要使用第二个数据帧的值将新列获取到第一个数据帧第一 df 是

ID,"url","used_at","active_seconds"
8075643aab791cec7dc9d18926958b67,"sberbank.ru/ru/person/promo/10mnl?utm_source=Vesti.ru&utm_medium=html&utm_campaign=10_million_users_SBOL_dec2015&utm_term=every14_syncbanners",2016-01-01 00:03:16,183
a04a8041ffa6fe1b85471ca5af1ee575,"online.rsb.ru/hb/faces/system/login/rslogin.jsp?credit=false",2016-01-01 00:04:36,42
a04a8041ffa6fe1b85471ca5af1ee575,"online.rsb.ru/hb/faces/system/login/sms/sms.jsp?smsAuth=true",2016-01-01 00:05:18,22
a04a8041ffa6fe1b85471ca5af1ee575,"online.rsb.ru/hb/faces/rs/RSIndex.jspx",2016-01-01 00:05:40,14
a04a8041ffa6fe1b85471ca5af1ee575,"online.rsb.ru/hb/faces/rs/payments/PaymentReq.jspx",2016-01-01 00:05:54,22
ba880911a6d54f6ea6d3145081a0e0dd,"homecredit.ru/help/quest/feedback.php",2016-01-01 00:06:12,2

第二个 df 看起来像

URL Code
citibank\.ru\/russia\/info\/rus\/contacts_form\.htm 15
citibank\.ru\/russia\/info\/rus\/contacts\.htm  15
gazprombank\.ru\/contacts\/ 15
gazprombank\.ru\/feedback\/ 15
gazprombank\.ru\/additional_office\/    15
homecredit\.ru\/help\/quest\/feedback\.php  15
homecredit\.ru\/offices\/*  15

如果我没有正则表达式，我会使用

df1['code'] = df1.url.map(df2.set_index('URL')['Code'])

但我不能这样做，因为 df2.URL 是正则表达式。但是

df1['code'] = df1['url'].replace(df2['URL'], df2['Code'], regex=True)

不起作用。

Answer 1

根据我的评论，pandas.Series.replace()方法不允许使用Series对象作为to_replace和值参数。相反，传递列表是有效的:

df1['code'] = df1.url.replace(df2.URL.values, df2.Code.values, regex=True)
print df1[['url', 'code']]

产生以下输出:

                                                 url  \
0  sberbank.ru/ru/person/promo/10mnl?utm_source=V...   
1  online.rsb.ru/hb/faces/system/login/rslogin.js...   
2  online.rsb.ru/hb/faces/system/login/sms/sms.js...   
3             online.rsb.ru/hb/faces/rs/RSIndex.jspx   
4  online.rsb.ru/hb/faces/rs/payments/PaymentReq....   
5              homecredit.ru/help/quest/feedback.php   

                                                code  
0  sberbank.ru/ru/person/promo/10mnl?utm_source=V...  
1  online.rsb.ru/hb/faces/system/login/rslogin.js...  
2  online.rsb.ru/hb/faces/system/login/sms/sms.js...  
3             online.rsb.ru/hb/faces/rs/RSIndex.jspx  
4  online.rsb.ru/hb/faces/rs/payments/PaymentReq....  
5                                                 15

为了回答您的附加评论，您无法在 df1.code 中的 df1.url 不获取的行中获取 df2.Code不匹配任何正则表达式字符串，但您可以提供一个值(例如 None)，以便将这些情况放入列中。例如，可以通过添加以下行来完成:

df1['code'] = df1.apply(lambda x: None if x.code == x.url else x.code, axis=1)

其中 print df1[['url', 'code']] 返回以下内容:

                                                 url  code
0  sberbank.ru/ru/person/promo/10mnl?utm_source=V...   NaN
1  online.rsb.ru/hb/faces/system/login/rslogin.js...   NaN
2  online.rsb.ru/hb/faces/system/login/sms/sms.js...   NaN
3             online.rsb.ru/hb/faces/rs/RSIndex.jspx   NaN
4  online.rsb.ru/hb/faces/rs/payments/PaymentReq....   NaN
5              homecredit.ru/help/quest/feedback.php  15.0