在 pandas.DataFrame.str.replace 中组合多个正则表达式？

Question

我想通过删除括号来清理数据框中的一列。

1                          Auburn (Auburn University)[1]
2                 Florence (University of North Alabama)
3        Jacksonville (Jacksonville State University)[2]
4             Livingston (University of West Alabama)[2]
5               Montevallo (University of Montevallo)[2]
6                              Troy (Troy University)[2]
7      Tuscaloosa (University of Alabama, Stillman Co...
8                      Tuskegee (Tuskegee University)[5]
10         Fairbanks (University of Alaska Fairbanks)[2]
12            Flagstaff (Northern Arizona University)[6]

我使用unitowns['City'].str.replace('\(.*\)','').str.replace('\[.*\]','') 得到预期的结果如下-

1                            Auburn 
2                          Florence 
3                      Jacksonville 
4                        Livingston 
5                        Montevallo 
6                              Troy 
7                        Tuscaloosa 
8                          Tuskegee 
10                        Fairbanks 
12                        Flagstaff

有没有办法组合这些表达式？此代码似乎不起作用 -> unitowns['City'].str.replace('(\(.*\)) | (\[.*\])','')

Answer 1

选项 1
str.extract/str.findall
与其删除不相关的内容，不如提取相关的内容？

df.City.str.extract(r'(.*?)(?=\()', expand=False)

或者，

df.City.str.findall(r'(.*?)(?=\()').str[0]

0          Auburn 
1        Florence 
2    Jacksonville 
3      Livingston 
4      Montevallo 
5            Troy 
6      Tuscaloosa 
7        Tuskegee 
8       Fairbanks 
9       Flagstaff 
Name: City, dtype: object

您可能还希望在提取后去掉前导/尾随空格。你可以在结果上调用str.strip -

df.City = df.City.str.extract(r'(.*?)(?=\()', expand=False).str.strip()

或者，

df.City = df.City.str.findall(r'(.*?)(?=\()').str[0].str.strip()

正则表达式详细信息

(      # capture group
.*?    # non-greedy matcher
)
(?=    # lookahead
\(     # opening parenthesis
)

---

选项 2
str.split
如果您的城市名称仅包含一个单词，str.split 也可以。

df.City.str.split('\s', 1).str[0]

0          Auburn
1        Florence
2    Jacksonville
3      Livingston
4      Montevallo
5            Troy
6      Tuscaloosa
7        Tuskegee
8       Fairbanks
9       Flagstaff
Name: City, dtype: object

---

选项 3
str.replace
压缩你的链式调用，你可以使用 -

df['City'].str.replace(r'\(.*?\)|\[.*?\]', '').str.strip()

0          Auburn
1        Florence
2    Jacksonville
3      Livingston
4      Montevallo
5            Troy
6      Tuscaloosa
7        Tuskegee
8       Fairbanks
9       Flagstaff
Name: City, dtype: object