如何匹配字符串模式？

Question

我有一个数据集，其中 2 列的每一行都包含一个这样的字符串 -

• WO-05078125：AN20033315：客户更换的订购部件
• WO-04981906：AN19550541：回答了生物医学问题

我试图摆脱第一部分WO-05078125: AN20033315: 。 数字可能不同，但总是相同的模式。

请问我该如何解决这个问题？

Answer 1

您可以使用正则表达式。

import re
re.sub(pattern, repl(acement), string)

因为您不想用任何东西替换它，所以您可以使用空字符串来摆脱它。 您可以使用 'WO-05078125: ' 作为模式，但您也可以使用特殊字符，如\d（数字）或类似的东西。 更多请点击这里

Answer 2

我认为这可以解决您的问题。

rows = ["WO-04981906: AN19550541: Answered Biomed questions", "WO-05078125: AN20033315: Ordered part for customer to exchange", ......]
first_part = []
second_part = []
last_part = []
for row in rows:
    split_row = row.split(":")
    first_part.append(split_row[0])
    second_part.append(split_row[1])
    last_part.append(split_row[2])

在first_part中全是"WO-XXXXXXXX" ，在second_part中全是"ANXXXXXXXX" ，在last_part中全是描述。

Answer 3

解决问题最直接的方法之一是使用正则表达式，但我并不是说直接使用re模块。 相反，您可以使用pandas及其名为repalce的内置函数之一。 通过查看下面的代码，您可以更深入地了解该过程。 由于您没有提供可重现的示例，因此我使用您的输入示例制作了一个 dataframe。

import pandas as pd
df = pd.DataFrame({"myColumn": ["WO-05078125: AN20033315: Ordered part for customer to exchange", "WO-04981906: AN19550541: Answered Biomed questions"]})

df["replaced"] = df["myColumn"].str.replace("WO\-\d+\:\sAN\d+\:\s", "")
df

Output

	我的专栏	更换
0	WO-05078125：AN20033315：客户更换的订购部件	订购的零件供客户更换
1个	WO-04981906：AN19550541：回答了生物医学问题	回答生物医学问题

解释

WO\-\d+\:\sAN\d+\:\s是我们在这种情况下使用的模式。 它用空字符串（“”）替换所需的部分。