Python'replace'的行为不一致

我有一个庞大的数据库，在那里我删除了不同长度的前导文本。下面是一个简单的工作示例：

data = {'Title' : ['Bertram, C. et al., 2015a: Carbon', 
                   'Bertram, C. et al., 2015b: Complementing', 
                   'Bertram, C. et al., 2018: Targeted']}
df = pd.DataFrame(data, columns = ['Title'])

给

                                      Title
0         Bertram, C. et al., 2015a: Carbon
1  Bertram, C. et al., 2015b: Complementing
2        Bertram, C. et al., 2018: Targeted

第一次尝试

    Title
0   Carbon
1   Complementing
2   Targeted

我将

re

应用于熊猫

replace

方法：

df['Title'].replace(r'(\A[\D\s.,]*\d\d\d\d[ab:] )', '', regex=True, inplace=True)

但这并不能解决所有情况：

                                      Title
0         Bertram, C. et al., 2015a: Carbon
1  Bertram, C. et al., 2015b: Complementing
2                                  Targeted

第二次尝试

    Title
0   Carbon
1   Complementing
2   Targeted

我在

replace

中使用

regex

命令：

df['Title'].replace(regex=[r'(\A[\D\s.,]*\d\d\d\d:)', 
                           r'(\A[\D\s.,]*\d\d\d\da:)'
                           r'(\A[\D\s.,]*\d\d\d\db:)'], value='', inplace=True)

但这也给出了同样的结果

                                      Title
0         Bertram, C. et al., 2015a: Carbon
1  Bertram, C. et al., 2015b: Complementing
2                                  Targeted

第三次尝试

    Title
0   Carbon
1   Complementing
2   Targeted

如果我重新排列正则表达式列表：

df['Title'].replace(regex=[r'(\A[\D\s.,]*\d\d\d\da:)', 
                           r'(\A[\D\s.,]*\d\d\d\db:)'
                           r'(\A[\D\s.,]*\d\d\d\d:)'], value='', inplace=True)

我得到了一些改进，但还不够：

                                      Title
0                                    Carbon
1  Bertram, C. et al., 2015b: Complementing
2                                  Targeted

期望的结果

    Title
0   Carbon
1   Complementing
2   Targeted

缺少相关问题

---

我仔细查看了

re

和

panda

的

replace

文档，但有些地方不对劲。所有的问答都不能接近这个问题。

“[ab:]”

的意思是“或者A，或者b，或者：”。您需要

“[ab:::+”

（“a，或b，或：，可能重复”），因为它们在例如

“2015a:”

中重复。通过此更正，第一种方法将起作用。

如果您始终在末尾使用冒号

：

，并且希望在其后面有最后一个单词，则可能不希望使用

re

模块。通常re比简单的字符串操作慢得多

备选方案可以是：

data = {'Title' : ['Bertram, C. et al., 2015a: Carbon', 
                   'Bertram, C. et al., 2015b: Complementing', 
                   'Bertram, C. et al., 2018: Targeted']}
df = pd.DataFrame(data, columns = ['Title'])
df['title2'] = df.Title.str.split(':').str[-1].str.lstrip()

print(df)

输出

0         Bertram, C. et al., 2015a: Carbon         Carbon
1  Bertram, C. et al., 2015b: Complementing  Complementing
2        Bertram, C. et al., 2018: Targeted       Targeted

---

你能解释一下你想删除什么吗。我认为他真正想要的是

\d{4}[ab]：

可能，但在他们的上下文中，

\d{4}[ab]：

与

\d\d\d[ab:::+

没有区别，因为：总是在末尾。但是你的匹配即使一年后没有

：

。正确，但在他们的例子中，总是有一个“：”一年之后。实际上，

[ab:::+

和

[ab]？：

都起作用了。是的，每一行都有一个

：

。谢谢@Bhishan。这在我的MWE中会很好地工作，但在实际应用程序中，

\d\d\d:

前后都有我不想拆分的

:。部分
.str[-1]
将只取冒号后的最后一部分
：
。你可以试试看。