Python 使用正则表达式替换DataFrame中的列

Python 使用正则表达式替换DataFrame中的列,python,pandas,Python,Pandas,我有一个4列的数据框,col4是一个包含文本和数字的字符串: Col1 Col2 Col3 Col4 Syslog 2016,09,17 1 PD380_003 %LINK-3-UPDOWN Syslog 2016,09,17 1 NM380_005 %BGP-5-NBR_RESET Syslog 2016,09,14

我有一个4列的数据框,col4是一个包含文本和数字的字符串:

 Col1           Col2              Col3           Col4
Syslog        2016,09,17           1    PD380_003 %LINK-3-UPDOWN
Syslog        2016,09,17           1    NM380_005 %BGP-5-NBR_RESET
Syslog        2016,09,14           1    NM380_005 %BGP-5-NBR_RESET
Syslog        2016,09,08           1    DO NOT TICKET LO380_004 %SYS-5-CONFIG_I Config
我需要保留该列的子字符串并删除任何其他内容,因此我使用了regex并创建了一个模式,但当我运行以下查询时,结果不是我想要的,它会用模式本身替换所有内容:

data.replace({'Col4':{'.*':'([A-Z]{2}[0-9]{3}_[0-9]{3})'}},regex=True)
预期结果是:

 Col1           Col2              Col3           Col4
Syslog        2016,09,17           1           PD380_003
Syslog        2016,09,17           1           NM380_005
Syslog        2016,09,14           1           LO380_004
Syslog        2016,09,08           1           LO380_004
但我得到的结果是:

 Col1           Col2              Col3           Col4
Syslog        2016,09,17           1    ([A-Z]{2}[0-9]{3}_[0-9]{3})
Syslog        2016,09,17           1    ([A-Z]{2}[0-9]{3}_[0-9]{3})
Syslog        2016,09,14           1    ([A-Z]{2}[0-9]{3}_[0-9]{3})
Syslog        2016,09,08           1    ([A-Z]{2}[0-9]{3}_[0-9]{3})
我做错了什么?

我想你需要:


你用的正则表达式是错误的

{'Col4':{'.*':'([A-Z]{2}[0-9]{3}{[0-9]{3}}}
-表示将
Col4
列中的任何字符串替换为
([A-Z]{2}[0-9]{3}[0-9]{3})

试试这个:

In [87]: df.replace({'Col4':{r'.*?([A-Z]{2}[0-9]{3}_[0-9]{3}).*':r'\1'}}, regex=True)
Out[87]:
     Col1        Col2  Col3       Col4
0  Syslog  2016,09,17     1  PD380_003
1  Syslog  2016,09,17     1  NM380_005
2  Syslog  2016,09,14     1  NM380_005
3  Syslog  2016,09,08     1  LO380_004

首先,你在错误的位置有错误的正则表达式。要替换的
参数需要匹配要替换的内容和要删除的内容。因此,在这种情况下,您需要在正则表达式前面加一个
^..*
,在正则表达式后面加一个
*$
,因为您希望在匹配之外修剪字符串:

^.*([A-Z]{2}[0-9]{3}_[0-9]{3}).*$

其次,如果是正则表达式,
replace
参数需要是捕获组或固定字符串。在这种情况下,
\1
就可以了

最后,
.replace
的系列形式有一个更简单的语法(至少对我来说)来理解

因此:

>>> df
     Col1        Col2  Col3                                            Col4
0  SysLog  2016,09,17     1                        PD380_003 %LINK-3-UPDOWN
1  SysLog  2016,09,17     1                      NM380_005 %BGP-5-NBR_RESET
2  SysLog  2016,09,17     1                      NM380_005 %BGP-5-NBR_RESET
3  SysLog  2016,09,17     1  DO NOT TICKET LO380_004 %SYS-5-CONFIG_I Config
你可以做:

>>> df['Col4'].replace(to_replace='^.*([A-Z]{2}[0-9]{3}_[0-9]{3}).*$', value=r'\1', regex=True) 
0    PD380_003
1    NM380_005
2    NM380_005
3    LO380_004
Name: Col4, dtype: object
如果更容易,也可以使用位置参数版本:

df['Col4'].replace('^.*([A-Z]{2}[0-9]{3}_[0-9]{3}).*$', r'\1', regex=True)
但是您需要使用
regex=True
,因为替换字符串将被解释为regex,而不仅仅是静态字符串

最后,将以下内容直接分配到原始文件中:

>>> df['Col4']=df['Col4'].replace('^.*([A-Z]{2}[0-9]{3}_[0-9]{3}).*$', r'\1', regex=True)
>>> df
     Col1        Col2  Col3       Col4
0  SysLog  2016,09,17     1  PD380_003
1  SysLog  2016,09,17     1  NM380_005
2  SysLog  2016,09,17     1  NM380_005
3  SysLog  2016,09,17     1  LO380_004

你能在替换之前发布你的
数据
DF吗?是的,请再次检查。是的,它可以工作,但我只是想知道为什么替换不能读取正则表达式?嗯,我检查了,它可以工作。但我认为这是错误。感谢解释我是新来的熊猫这个解释的孩子帮助:)
>>> df['Col4']=df['Col4'].replace('^.*([A-Z]{2}[0-9]{3}_[0-9]{3}).*$', r'\1', regex=True)
>>> df
     Col1        Col2  Col3       Col4
0  SysLog  2016,09,17     1  PD380_003
1  SysLog  2016,09,17     1  NM380_005
2  SysLog  2016,09,17     1  NM380_005
3  SysLog  2016,09,17     1  LO380_004