如何替換 '..' 和 '?.' 在 pandas 中有單句點和問號？ df['column'].str.replace 不工作

Question

這是此 SO 帖子的后續內容，它提供了替換字符串列中文本的解決方案

如何替換Pandas dataframe一列中的文字？

df['范圍'] = df['范圍'].str.replace(',','-')

但是，這似乎不適用於雙句號或問號后跟句號

testList = ['this is a.. test stence', 'for which is ?. was a time']
testDf = pd.DataFrame(testList, columns=['strings'])
testDf['strings'].str.replace('..', '.').head()

結果是

0     ...........e
1    .............
Name: strings, dtype: object

和

testDf['strings'].str.replace('?.', '?').head()

結果是

error: nothing to repeat at position 0

Answer 1

添加regex=False參數，因為正如您在文檔中看到的那樣，regex 默認為 True：

-regex bool , 默認 True

確定是否假定傳入的模式是正則表達式：如果為真，則假定傳入的模式是正則表達式。

和? . ? . 是正則表達式中的特殊字符。
因此，沒有正則表達式的一種方法是雙重替換：

testDf['strings'].str.replace('..', '.',regex=False).str.replace('?.', '?',regex=False)

Output：

                     strings
0     this is a. test stence
1  for which is ? was a time

Answer 2

使用正則表達式替換。 在這種情況下，替換任何特殊字符 ' 。 ' 緊隨其后的是空白。 這有點卷曲，我建議您使用@Mark Reed 回答 go。

testDf.replace(regex=r'([.](?=\s))', value=r'')


                  strings
0     this is a. test stence
1  for which is ? was a time

Answer 3

str.replace()使用正則表達式，其中. 是一個特殊字符，表示“任何”字符。 如果你想要一個文字點，你需要轉義它： "\." . 其他特殊的 Regex 字符也一樣，比如? .

Answer 4

替換兩個? 和. 同時可以用|分隔 （正則表達式OR運算符）。

testDf['strings'].str.replace('\?.|\..', '.')

在..前加上\前綴，因為您需要轉義為. 是正則表達式字符：

testDf['strings'].str.replace('\..', '.')

您可以對? , 這是另一個正則表達式字符。

testDf['strings'].str.replace('\?.', '.')

Answer 5

首先，請注意Pandas replace方法不同於標准的 Python方法，后者僅對固定字符串進行操作。 Pandas 可以表現為常規的string.replace或re.sub （正則表達式替換方法），具體取決於標志的值，默認情況下表現為re.sub 。 因此，您需要將第一個參數視為正則表達式。 這意味着您必須更改字符串，但它還有一個好處，即允許您在一次調用中進行兩個替換。

正則表達式不是按字面意思搜索的字符串，而是一種模式，它作為指令告訴 Python 要查找的內容。 大多數角色只是要求 Python 來匹配自己，但有些是特殊的，兩者都有. 和? 碰巧屬於特殊類別。

最簡單的做法是使用字符 class來匹配其中任何一個. 或者? 后跟一個句點，並記住它是哪一個，以便它可以包含在替換中，只是沒有下一個句點。 看起來像這樣：

testDF.replace(regex=r'([.?])\.', value=r'\1')

[.?]表示“匹配句號或問號”； 因為它們在[ ... ]中，所以不需要轉義那些通常特殊的字符。 方括號周圍的括號告訴 Python 記住這兩個字符中的哪一個是它實際找到的那個。 為了匹配，接下來必須存在的是你試圖擺脫的時期，它必須用反斜杠轉義，因為這個不在[ ... ]內。

在替換中，特殊序列\1表示“您發現的與第一組括號之間的模式匹配的任何內容”，因此它是句號或問號。 由於這是整個替換，因此刪除了以下期間。

現在，您會注意到我對兩者都使用了原始字符串 ( r' ... ' )； 這使 Python 無法在replace之前對反斜杠進行自己的解釋。 如果替換只是'\1 ' 而沒有r ，它將用字符代碼 1 (control-A) 代替它們，而不是第一個匹配的組。