pandas 应用正则表达式替换值答案

【问题标题】：pandas applying regex to replace valuespandas 应用正则表达式替换值
【发布时间】：2014-04-30 13:33:39
【问题描述】：

我已将一些定价数据读入 pandas 数据框中，这些值显示为：

$40,000*
$40000 conditions attached

我想将其简化为仅数值。我知道我可以循环并应用正则表达式

[0-9]+

到每个字段，然后将结果列表重新连接在一起，但有没有一种不循环的方式？

谢谢

【问题讨论】：

标签： python regex pandas

【解决方案1】：

你可以使用Series.str.replace:

import pandas as pd

df = pd.DataFrame(['$40,000*','$40000 conditions attached'], columns=['P'])
print(df)
#                             P
# 0                    $40,000*
# 1  $40000 conditions attached

df['P'] = df['P'].str.replace(r'\D+', '', regex=True).astype('int')
print(df)

产量

       P
0  40000
1  40000

因为\D 匹配任何character that is not a decimal digit。

【讨论】：

【解决方案2】：

万一有人还在读这篇文章。我正在处理一个类似的问题，需要使用我用 re.sub 找到的正则表达式替换一整列熊猫数据

要将这个应用到我的整个专栏，这里是代码。

#add_map is rules of replacement for the strings in pd df.
add_map = dict([
    ("AV", "Avenue"),
    ("BV", "Boulevard"),
    ("BP", "Bypass"), 
    ("BY", "Bypass"),
    ("CL", "Circle"),
    ("DR", "Drive"),
    ("LA", "Lane"),
    ("PY", "Parkway"),
    ("RD", "Road"),
    ("ST", "Street"),
    ("WY", "Way"),
    ("TR", "Trail"),
    
      
])

obj = data_909['Address'].copy() #data_909['Address'] contains the original address'
for k,v in add_map.items(): #based on the rules in the dict
    rule1 = (r"(\b)(%s)(\b)" % k) #replace the k only if they're alone (lookup \
b)
    rule2 = (lambda m: add_map.get(m.group(), m.group())) #found this online, no idea wtf this does but it works
    obj = obj.str.replace(rule1, rule2, regex=True, flags=re.IGNORECASE) #use flags here to avoid the dictionary iteration problem
data_909['Address_n'] = obj #store it!

希望这可以帮助任何搜索我遇到的问题的人。干杯

【讨论】：

rule2 = (lambda... 用作可调用对象，因此在您的obj.str.replace 中，正则表达式被传递匹配对象，即您的字典键以查找要替换的值对。阅读pandas.Series.str.replace 和dict.get() 了解更多信息。如果有人对m.group() 功能有任何澄清，请告诉我。

【解决方案3】：

您可以使用 pandas 的替换方法；您也可能希望保留千位分隔符“,”和小数位分隔符“。”

import pandas as pd

df = pd.DataFrame(['$40,000.32*','$40000 conditions attached'], columns=['pricing'])
df['pricing'].replace(to_replace="\$([0-9,\.]+).*", value=r"\1", regex=True, inplace=True)
print(df)
pricing
0  40,000.32
1      40000

【讨论】：

【解决方案4】：

您不需要正则表达式。这应该有效：

df['col'] = df['col'].astype(str).convert_objects(convert_numeric=True)

【讨论】：

【解决方案5】：

您可以使用re.sub() 删除所有非数字：

value = re.sub(r"[^0-9]+", "", value)

regex101 demo

【讨论】：

\D+ 将是最小的：-P
将其应用于数据框中的列的最佳方法是什么？所以我有 df['pricing'] 我只是逐行循环吗？
好的，我想我得到它供熊猫使用：df['Pricing'].replace(to_replace='[^0-9]+', value='',inplace==True,regex =True) .replace 方法使用 re.sub
警告 - 去除所有非数字符号将删除负号小数点，并将不相关的数字连接在一起，例如“$8.99 but $2 off with coupon”变成了“8992”，“$5.99”变成了“499”，“$5”变成了“5”。
@KillerSnail 您的解决方案需要更正：inplace 后的双等号 (==) 应替换为单等号 (=) df['Pricing'].replace(to_replace='[^0- 9]+', value='',inplace=True,regex=True)