我刚刚学习 python/pandas,喜欢它的强大和简洁。
在数据清理期间,我想使用正则表达式对数据框中的列进行替换,但我想重新插入部分匹配(组)。
简单的例子: 姓氏,名字 -> 名字姓氏
我尝试了类似以下的内容(实际情况更复杂,所以请原谅简单的正则表达式):
df['Col1'].replace({'([A-Za-z])+, ([A-Za-z]+)' : '\2 \1'}, inplace=True, regex=True)
但是,这会导致空值。匹配部分按预期工作,但值部分则不然。 我想这可以通过一些拆分和合并来实现,但我正在寻找关于正则表达式组是否可以用于替换的一般答案。
我认为您对正则表达式有一些问题。
正如@Abdou刚刚所说使用
'\\2 \\1'
或更好的r'\2 \1'
,因为'\1'
是带有ASCII代码的符号1
如果您使用正确的正则表达式,您的解决方案应该有效:
In [193]: df
Out[193]:
name
0 John, Doe
1 Max, Mustermann
In [194]: df.name.replace({r'(\w+),\s+(\w+)' : r'\2 \1'}, regex=True)
Out[194]:
0 Doe John
1 Mustermann Max
Name: name, dtype: object
In [195]: df.name.replace({r'(\w+),\s+(\w+)' : r'\2 \1', 'Max':'Fritz'}, regex=True)
Out[195]:
0 Doe John
1 Mustermann Fritz
Name: name, dtype: object
设置
df = pd.DataFrame(dict(name=['Smith, Sean']))
print(df)
name
0 Smith, Sean
使用
replace
df.name.str.replace(r'(\w+),\s*(\w+)', r'\2 \1')
0 Sean Smith
Name: name, dtype: object
使用
extract
df.name.str.extract('(?P<Last>\w+),\s*(?P<First>\w+)', expand=True)
Last First
0 Smith Sean