如何用正則表達式替換 pandas dataframe 中的列值？

Question

我想用'ASUS'或'ACER'（大寫）替換下面列中的值，即只要值中有單詞（忽略大小寫）'acer'，只需將其替換為'ACER' , 和單詞 'asus *' 替換為 'ASUS'。 我使用下面來自 Pandas 文檔的示例屏幕截圖作為示例。 我應用了正則表達式 function，但它似乎不起作用 - output 沒有任何反應。 我的代碼：

dfx = pd.DataFrame({'Brands':['asus', 'ASUS ZEN', 'Acer','ACER Swift']})
dfx = dfx.replace([{'Brands': r'^asus.$'}, {'Brands': 'ASUS'}, {'Brands': r'^acer.$'}, {'Brands': 'ACER'}], regex=True)
dfx['Brands'].unique()

Jupyter筆記本中的Output：

數組（['華碩'，'華碩 ZEN'，'宏碁'，'ACER Swift']，dtype=object）

使用的 Pandas 文檔示例：

Pandas 鏈接在這里

非常感謝任何有一點解釋的幫助。

接受的解決方案：

dfx = pd.DataFrame({'Brands':['asus', 'ASUS ZEN', 'Acer','ACER Swift']})

dfx['Brands'] =  dfx['Brands'].str.lower().str.replace('.*asus.*', 'ASUS', regex=True).str.replace('.*acer.*', 'ACER', regex=True)
OR
dfx['Brands'] = dfx.Brands.apply(lambda x: re.sub(r".*(asus|acer).*", lambda m: m.group(1).upper(), x, flags=re.IGNORECASE))

dfx['Brands'].unique()

Output：

數組（['華碩'，'ACER']，dtype =對象）

Answer 1

dfx.Brands.apply(lambda x: re.sub(r".*(asus|acer).*", lambda m: m.group(1).upper(), x, flags=re.IGNORECASE))

Answer 2

請試試

dfx['Brands'] =  dfx['Brands'].str.lower().str.replace('.*asus.*', 'ASUS', regex=True).str.replace('.*acer.*', 'ACER', regex=True)