正则表达式删除列数据框python中字符串的特定部分答案

【问题标题】：Regex to remove specific parts of a string in a column dataframe python正则表达式删除列数据框python中字符串的特定部分
【发布时间】：2020-09-23 01:21:59
【问题描述】：

我正在使用包含地址的数据框，并且我想删除字符串的特定部分。比如像

并且我想删除字符串，因为将“REFERENCE:”和“reference:”放在句子的末尾。另外我想创建一个看起来像这样的新列（没有单词 REFERENCE:/reference: 和这些单词的下一个字母）你能帮我在 Regex 中做吗？我希望它的新列看起来像这样：

【问题讨论】：

你应该把你拥有的代码和输出放在文本中，这样我们就可以轻松地处理它们。

标签： python regex string dataframe python-re

【解决方案1】：

您可以使用一些正则表达式来获得所需的结果。

df = pd.DataFrame({"address": ["Street Pases de la Reforma #200 REFERENCE: Green house", "Street Carranza #300 12 & 13 REFERENCE: There is a tree"]})

df.address.str.findall(r".+?(?=REFERENCE)").explode()

0    Street Pases de la Reforma #200 
1       Street Carranza #300 12 & 13

正则表达式模式的解释：

.+? matches any character (except for line terminators)
+? Quantifier — Matches between one and unlimited times, as few times as possible, expanding as needed (lazy)
Positive Lookahead (?=REFERENCE)

【讨论】：

【解决方案2】：

正则表达式应如下所示：

import re

discard_re = re.compile('(reference:.*)', re.IGNORECASE | re.MULTILINE)

然后您可以添加新列：

df['address_new'] = df.addresses.map(lambda x: discard_re.sub('', x))

【讨论】：