python - 如果 '-' 在字符串中间，则将数据帧单元格中的 'E-' 替换为 '-'

Question

我有一个由 7 列组成的巨大数据框。摘录:

45589   664865.0    100000.0    7.62275    -.494     1.60149      100010
...
57205   718888.0    100000.0    8.218463    -1.405-3     1.75137      100010
...
55143   711827.0    100000.0    8.156107    9.8336-3    1.758051      100010

由于这些值来自输入文件，因此目前所有的都是字符串类型，我想将所有数据帧更改为 float :

df= df.astype('float')

但是，正如您可能已经在摘录中注意到的那样，隐藏了“-”。有的表示整数的负值，如-.494，有的表示负的幂，如9.8-3。

我需要将后者替换为“E-”，以便 Python 理解它是一种力量，并且可以将单元格切换为浮点类型。通常，我会使用:

df= df.replace('E\-', '-', regex=True)

但是，这也会为我的负值添加一个 E。为避免这种情况，我尝试了此处提供的解决方案:Replace all a in the middle of string by * using regex

str = 'JAYANTA POKED AGASTYA WITH BAAAAMBOO '
str = re.sub(r'\BA+\B', r'*', str)

但是，这是针对一个特定字符串的。由于我的数据框非常大，我想避免遍历每个单元格。

是否可以使用 replace 和 re.sub 函数的组合，以便仅用“E-”替换其他字符串包围的“-” ？

感谢您的帮助!

Answer 1

可以使用regex negative lookahead 和positive lookahead 断言连字符在中间进行替换，如下:

df = df.replace(r'\s', '', regex=True)      # remove any unwanted spaces 
df = df.replace(r'(?<=.)-(?=.)', 'E-', regex=True)

结果:

print(df)

        0         1         2         3          4         5       6
0  45589  664865.0  100000.0   7.62275      -.494   1.60149  100010
1  57205  718888.0  100000.0  8.218463  -1.405E-3   1.75137  100010
2  55143  711827.0  100000.0  8.156107  9.8336E-3  1.758051  100010