Python 更改dafaframe列中空格后的最后一个单词

我正在处理一个包含计算机名的数据框，我正在尝试匿名化计算机名。这是我正在使用的数据帧的一个示例

df = pd.DataFrame({'id': [1, 2, 3, 4, 5], 'computer_name': [u'LENOVO 09 X32H0GB', u'LENOVO vmhsbpmh613.xyz.biz', u'Dell Inc. PowerEdge R910 XKF2S75', u'HP  ppesfesxb203.corp.123.com', 'IBM SoftLayer 13 L89P4567']})

以下是匿名化的要求

从右侧第一个空格后的右侧拾取第一组字符串。。 例如：“联想vmhsbpmh613.xyz.biz”应该是“vmhsbpmh613.xyz.biz”

从右侧获取第一组字符串（如“vmhsbpmh613.xyz.biz”）后，删除第一个点（.）中的所有字符，这将给出“vmhsbpmh613”，如果没有点（.），则只保留最后一组字符串，请注意，从右侧第一组字符串中仅删除点（.）之后的字符串非常重要，否则，如本例中的“Dell Inc.PowerEdge R910 XKF2S75”，将导致删除Dot“Dell Inc.”之后的所有内容

最后，用xxx替换前3个字符，如xxxsbpmh613

下面是输出的样子

df = pd.DataFrame({'id': [1, 2, 3, 4, 5], 'computer_name': [u'LENOVO 09 xxxH0GB', u'LENOVO xxxsbpmh613', u'Dell Inc. PowerEdge R910 xxx2S75', u'HP  xxxsfesxb203', 'IBM SoftLayer 13 xxxP4567']})

---

我希望，我能够清楚地表达需求，谢谢。

这听起来像是regex的工作。以下是一些选项：

# select all chars until reaching a period
df['computer_name'].str.extract('([^.]*)')

# alternatively, replace all chars after a period with an empty string (delete it)
df['computer_name'].str.replace('\..*','')

# For your 3rd requirement, select all non space chars at the end of a string and format the result using match groups.
df['computer_name'].str.replace('([^\s]{3})([^\s]*$)', r'xxx\2',)

首先在右侧的第一个空格上拆分：

s=df.computer\u name.str.rsplit（n=1，expand=True）
#                           0                          1
#0联想09 X32H0GB
#1联想vmhsbpmh613.xyz.biz
#2戴尔公司PowerEdge R910 XKF2S75
#3 HP PPESXB203.corp.123.com
#4 IBM SoftLayer 13 L89P4567

然后在第一个点和前3个字符上，使用

xxx

：

s[1]=s[1]。str.split（'.'，n=1）。str[0]。替换（r'^…，'xxx'，regex=True）
#                           0             1
#0.09 xxxH0GB
#1联想xxxsbpmh613
#2戴尔公司PowerEdge R910 xxx2S75
#3 HP xxxsfesxb203
#4 IBM SoftLayer 13 xxxP4567

并通过重新组合拆分来完成：

df.computer\u name=s[0]+''+s[1]
#id计算机名称
#0 1联想09 xxxH0GB
#1 2联想xxxsbpmh613
#2 3戴尔公司PowerEdge R910 xxx2S75
#3 4 HP xxxsfesxb203
#4 5 IBM SoftLayer 13 xxxP4567

---

正则表达式详细信息

• \S{3}

  ：将所有非空白字符精确匹配

  3次

• （\S+？）

  ：捕获组匹配1到无限次之间的任何非空白字符，但匹配次数尽可能少（惰性匹配）

• （？：

  ：非捕获组的开始

• \.

  ：匹配
  字符

• \S+

  ：匹配任何非空白字符

• $

  ：断言行末尾的位置

• ）

  ：结束非捕获组

---

请看

@Royce，谢谢，它几乎成功了。。。唯一的问题是第3行“Dell Inc.PowerEdge R910 XKF2S75”发出“Dell xxx”，我需要“Dell Inc.PowerEdge R910 xxx2S75”“，就像我在问题的第2点中提到的好用分割：）@tdy，谢谢你，这确实很好…谢谢@tdy我不确定它是否更好，但我仍在努力改进模式，有很多角落的情况下，这种模式会失败：-）@Shubham，这很好，谢谢你。。。你介意解释一下正则表达式吗。。。那真的能帮我解决这个问题learning@Vikram我已经编辑了答案。

df['computer_name'].str.replace(r'\S{3}(\S+?)(?:\.\S+|$)', r'xxx\1')

0                   LENOVO 09 xxxH0GB
1                  LENOVO xxxsbpmh613
2    Dell Inc. PowerEdge R910 xxx2S75
3                    HP  xxxsfesxb203
4           IBM SoftLayer 13 xxxP4567
Name: computer_name, dtype: object