regex - 如何使用选择性正则表达式在 Pandas 系列中执行替换？

Question

我想在申请 pandas.Series.str.replace 时使用正则表达式.我知道它采用正则表达式，但我的输出不符合预期。这是一个简单的例子。假设我有

ser = pd.Series(['asd3', 'qwe3', 'asd4', 'zxc'])

我想把 'asd3' 和 'asd4' 变成 'asd'。也就是说，只需删除末尾的任何整数。我正在使用代码:

ser.str.replace('asd([0-9])','')

请注意，我正在使用 ([0-9]) 表示法，我将其解释为:对于系列中的任何元素，如果它看起来像 'asd([0 -9])'，然后将[0-9]替换为``(即去掉)。但是我得到的是

0    
1  qwe3
2    
3  zxc

而我想得到的是:

0  asd
1  qwe3
2  asd
3  zxc

这是一个简单的例子，我的正则表达式字符串比那个更难看，但我希望这传达了我打算做什么的想法。

Answer 1

在您的情况下，.replace('asd([0-9])','') 只是删除 asd 及其后的任何数字。

使用

ser.str.replace('asd[0-9]+','asd')

或

ser.str.replace('(asd)[0-9]+',r'\1')

.replace('asd[0-9]+','asd') 将用 asd 替换 asd 及其后的任何 1+ 位，而在.replace('(asd)[0-9]+',r'\1')中，asd子串会被捕获到第 1 组(由于捕获括号)和 1+ 个数字将被匹配，整个匹配将替换为包含第 1 组值的 \1 占位符(即 asd).