Pandas 字符串替换为正则表达式参数以进行非正则表达式替换

Question

假设我有一个数据框，我想通过pd.Series.str.replace替换仅包含字符和/或数字的非正则表达式子字符串。文档指出此函数相当于

str.replace

或

re.sub()

，具体取决于

regex

参数（默认为 False）。

除了很可能是矫枉过正之外，如果使用

regex=True

调用该函数以进行非正则表达式替换（例如性能），是否还有任何缺点需要考虑？如果有，是哪些？当然，我并不建议这样使用该功能。

示例：替换下面数据框中的“大象”。

import pandas as pd

data = {'Animal_Name': ['Elephant African', 'Elephant Asian', 'Elephant Indian', 'Elephant Borneo', 'Elephant Sumatran']}
df = pd.DataFrame(data)

df = df['Animal_Name'].str.replace('Elephant', 'Tiger', regex=True)

Answer 1

当设置

str.replace()

标志时，Pandas

re.sub()

函数在底层使用

regex=True

。 否则，对于

regex=False

，它使用 Python 基本

replace()

字符串函数。

re.sub

和

replace

的实现不一样。 一般来说，与使用

re.sub

相比，我们预计使用

replace

进行子字符串替换会产生更高的开销。 其中一个开销是，当使用

re.sub

（

str.replace

与

regex=True)

时，第一个参数首先需要解析为正则表达式，然后才能使用。

一般来说，如果不需要正则表达式，则应避免使用它们，因此当不需要正则表达式时，坚持使用

regex=False

是提高性能的最佳选择。