用 Pandas 在另一列的条件下替换字符串列以特定子字符串结尾答案

【问题标题】：Replace string column endwiths specific substrings under condition of another column with Pandas用 Pandas 在另一列的条件下替换字符串列以特定子字符串结尾
【发布时间】：2021-09-14 10:07:09
【问题描述】：

给定一个数据集如下：

   id  company name  value
0   1    Finl Corp.      7
1   2  Fund Tr Corp      6
2   3   Inc Invt Fd      5
3   4  Govt Fd Inc.      3
4   5   Trinity Inc      5

或者：

[{'id': 1, 'company name': 'Finl Corp.', 'value': 7},
 {'id': 2, 'company name': 'Fund Tr Corp', 'value': 6},
 {'id': 3, 'company name': 'Inc Invt Fd', 'value': 5},
 {'id': 4, 'company name': 'Govt Fd Inc.', 'value': 3},
 {'id': 5, 'company name': 'Trinity Inc', 'value': 5}]

如果company name 列的内容以['Corp.', 'Corp', 'Inc.', 'Inc'] 结尾，同时value 是>= 5，我需要替换

预期结果将是：

   id  company name  value
0   1          Finl      7
1   2       Fund Tr      6
2   3   Inc Invt Fd      5
3   4  Govt Fd Inc.      3
4   5       Trinity      5

如何在 Pandas 和正则表达式中实现这一点？

有错误的试用码：TypeError: replace() missing 1 required positional argument: 'repl'

mask = (df1['value'] >= 5)
df1.loc[mask, 'company_name_concise']= df1.loc[mask, 'company name'].str.replace(r'\bCorp.|Corp|Inc.|Inc$', regex=True)

【问题讨论】：

标签： python-3.x pandas dataframe python-re

【解决方案1】：

您可以通过添加\s* 为空格和$ 为字符串结尾来更改正则表达式中的值：

mask = (df1['value'] >= 5)


L = ['Corp.', 'Corp', 'Inc.', 'Inc']
pat = '|'.join(f'\s*{x}$' for x in L)

df1.loc[mask, 'company name']= df1.loc[mask,'company name'].str.replace(pat,'',regex=True)

print (df1)
   id  company name  value
0   1          Finl      7
1   2       Fund Tr      6
2   3   Inc Invt Fd      5
3   4  Govt Fd Inc.      3
4   5       Trinity      5

【讨论】：

谢谢，但是我发现第三行的Inc Invt Fd 有一个小问题，Inc 不应该被替换，因为Inc 不是结尾，而是开头。
@ahbon - 添加到答案中。

【解决方案2】：

str.replace 接受两个参数，模式和替换：

mask = (df1['value'] >= 5)
df1.loc[mask, 'company_name_concise']= df1.loc[mask, 'company name'].str.replace(r'\b(?:Corp\.?|Inc\.?)$', '', regex=True)

请注意，您想要的正则表达式模式是：

\b           word boundary
(?:
    Corp\.?  match Corp or Corp.
    |        OR
    Inc\.?   match Inc or Inc.
)
$            at the end of the company name

【讨论】：

Inc 之后的句点也应该用反斜杠转义吗？即Inc\.? 而不是Inc.? ?
@SeaBean 你是对的。我是用手机接的。容易出错。

【解决方案3】：

或者对于代码长度，您可以直接修改整个列并按索引分配：

df.loc[df['value'] > 5, 'company name'] = df['company name'].str.replace(r'\bCorp.|Corp|Inc.|Inc$', '')
>>> df

   id  company name  value
0   1         Finl       7
1   2      Fund Tr       6
2   3   Inc Invt Fd      5
3   4  Govt Fd Inc.      3
4   5   Trinity Inc      5
>>>

或者np.where的解决方案：

>>> df['company name'] = np.where(df['value'] > 5, df['company name'].str.replace(r'\bCorp.|Corp|Inc.|Inc$', ''), df['company name'])
>>> df
   id  company name  value
0   1         Finl       7
1   2      Fund Tr       6
2   3   Inc Invt Fd      5
3   4  Govt Fd Inc.      3
4   5   Trinity Inc      5
>>>

【讨论】：