pandas replace函数 多个正则表达式替换

`pandas` 的 `replace` 函数可以接受字典作为参数，其中字典的键是要被替换的字符串，值是用于替换的字符串。通过使用正则表达式，您可以将多个字符串替换为一个字符串。以下是一个示例代码：

import pandas as pd

df = pd.DataFrame({'col1': ['abc', 'def', 'ghi'], 'col2': ['jkl', 'mno', 'pqr']})

# 使用字典替换正则表达式
replace_dict = {'ab|jk': 'X', 'mn|qr': 'Y'}
df.replace(replace_dict, regex=True, inplace=True)

print(df)

输出：

  col1 col2
0    X    X
1  def    Y
2  ghi  pqr

在上面的示例中，我们将字符串 "ab" 和 "jk" 替换为 "X"，将字符串 "mn" 和 "qr" 替换为 "Y"。`regex=True` 参数告诉 `replace` 函数使用正则表达式进行替换。`inplace=True` 参数表示原始数据将被替换，而不是返回一个新的数据副本。

相关问题

pandas replace函数 多个正则表达式拆分替换

你可以使用 `pandas.Series.str.replace()` 方法替换多个正则表达式。首先，你需要将多个正则表达式拆分为单个的正则表达式，然后使用 `|` 运算符将它们组合起来。例如，假设你有一个包含电话号码和邮件地址的数据框：

import pandas as pd

df = pd.DataFrame({
    'text': ['Call me at 123-456-7890 or email me at john@example.com',
             'My phone number is (987) 654-3210 and my email is jane@example.com']
})

现在，你想要用 `[PHONE]` 替换电话号码，用 `[EMAIL]` 替换邮件地址。你可以将这两个替换操作拆分为两个单独的正则表达式，然后将它们组合起来：

regex_email = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'
regex_phone = r'\b\d{3}[-.]?\d{3}[-.]?\d{4}\b|\(\d{3}\)\s*\d{3}[-.]?\d{4}'

regex = f"{regex_email}|{regex_phone}"

然后，你可以使用 `pandas.Series.str.replace()` 方法进行替换：

df['text'] = df['text'].str.replace(regex_email, '[EMAIL]').str.replace(regex_phone, '[PHONE]')

现在，`df` 数据框中的电话号码和邮件地址已经被替换为 `[PHONE]` 和 `[EMAIL]` 了。

pandas 正则表达式

Pandas库中可以使用正则表达式进行字符串操作和模式匹配。Pandas提供了一些函数，可以方便地在Series或DataFrame中应用正则表达式。

下面是一些常用的Pandas正则表达式函数：

1. `str.contains(pattern, regex=True)`: 在Series或DataFrame的每个元素中搜索匹配给定模式的字符串，并返回布尔值结果。

2. `str.match(pattern, case=True, flags=0, na=np.nan)`: 在Series或DataFrame的每个元素中搜索匹配给定模式的字符串，并返回以布尔值形式指示是否匹配成功。

3. `str.extract(pattern, flags=0, expand=True)`: 在Series或DataFrame的每个元素中搜索匹配给定模式的字符串，并返回匹配结果作为一个新的Series或DataFrame。

4. `str.findall(pattern, flags=0)`: 在Series或DataFrame的每个元素中搜索匹配给定模式的字符串，并返回一个包含所有匹配项的列表。

5. `str.replace(pat, repl, n=-1, case=None, flags=0, regex=True)`: 将Series或DataFrame中匹配给定模式的字符串替换为指定的值。

这些函数都是通过在Series或DataFrame的字符串列上调用`str`属性来使用的。例如，`df['column'].str.contains(pattern)`将在'df' DataFrame的'column'列中搜索匹配给定模式的字符串。

希望这能帮助到你！如果有任何疑问，请随时提问。