python - 更改数据框列中空格后的最后一个字

Question

我正在处理包含计算机名称的数据框，并且我正在尝试匿名化计算机名称。这是数据框的示例，我正在使用

df = pd.DataFrame({'id': [1, 2, 3, 4, 5], 'computer_name': [u'LENOVO 09 X32H0GB', u'LENOVO vmhsbpmh613.xyz.biz', u'Dell Inc. PowerEdge R910 XKF2S75', u'HP  ppesfesxb203.corp.123.com', 'IBM SoftLayer 13 L89P4567']})

这是匿名化所需要的。

1. 在 RIGHT 中的第一个 SPACE 之后，从 RIGHT 中选择第一组字符串 ..例如:对于“LENOVO vmhsbpmh613.xyz.biz”，它将是“vmhsbpmh613.xyz.biz”

2. 从右侧获取第一组字符串后，例如“vmhsbpmh613.xyz.biz”，删除第一个点 (.) 中的所有字符，这将给出“vmhsbpmh613”，如果没有点(. ) 然后仅保留最后一组字符串，请注意仅从 RIGHT 的第一组字符串中删除点 (.) 之后的字符串很重要，否则会像本例中的“Dell Inc. PowerEdge R910 XKF2S75”在删除点“Dell Inc.”之后的所有内容

3. 最后将前3个字符替换为xxx，如xxxsbpmh613

输出应该是这样的

df = pd.DataFrame({'id': [1, 2, 3, 4, 5], 'computer_name': [u'LENOVO 09 xxxH0GB', u'LENOVO xxxsbpmh613', u'Dell Inc. PowerEdge R910 xxx2S75', u'HP  xxxsfesxb203', 'IBM SoftLayer 13 xxxP4567']})

我希望，我能够清楚地表达需求，谢谢。

Answer 1

Series.str.replace

df['computer_name'].str.replace(r'\S{3}(\S+?)(?:\.\S+|$)', r'xxx\1')

---

0                   LENOVO 09 xxxH0GB
1                  LENOVO xxxsbpmh613
2    Dell Inc. PowerEdge R910 xxx2S75
3                    HP  xxxsfesxb203
4           IBM SoftLayer 13 xxxP4567
Name: computer_name, dtype: object

正则表达式详细信息

• \S{3} :完全匹配任何非空白字符 3 次。
• (\S+?) :捕获组匹配任何非空白字符 1 到无限次，但次数尽可能少(惰性匹配)
• (?: : 非捕获组的开始
• \. :匹配 . 字符
• \S+ : 计算任何非空白字符
• $ : 在行尾断言位置
• ) : 非捕获组结束

查看 regex demo