如何使用正則表達式去除重復字符 Python

Question

下面是 df 列中唯一值的列表

aa                2     
aaa               10    
aaaa              14    
aaaaa             2     
aaaaaa            1     
aableasing        25    
yy                1     
yyy               6        
überimexcars      1     
üüberimexcars     1     
üüüüüüüüü         2     

目的是通過按名稱分組來“清理”數據。

因此：

• aa = aaa = aaaa
• ü = üüü = üüüüüü
• ...

所需的 output 如下所示

a                 29      
aableasing        25    
y                 7           
überimexcars      2  
üüüüüüüüü         2   

我在想類似的東西

df['name'] = df['name'].astype(str).str.replace('aaa', 'a')

但是，我必須為每封信都這樣做。 此外，這並不是真正有效的做事。

在這種情況下使用正則表達式可能是更好的選擇？

感謝任何幫助的人！

Answer 1

這應該可以解決問題：

df['name']=df['name'].replace(r"^(.)\1*$", r"\1", regex=True)

一些解釋：

它將嘗試將整個單元格（從開頭 - ^ ，直到結尾 - $ ）與任何字符(.)匹配，然后重復 0 次或更多次（引用第一組，用方括號表示） - \1*並且所有這些都將被第一組\1替換（如果僅匹配）。

Answer 2

如果 t 包含一個字符串，例如 'aaaaa'，請嘗試以下操作：

t.join(sorted(set(t), key=t.index))

你會得到'a'。

現在在您的 dataframe 和組上運行它