如何使用正则表达式重新标记熊猫数据框中的行？

Question

我打算访问某个列下的所有条目，并搜索字符串模式。

pandas DataFrame 中的数据条目示例如下：

https://www.google.com/webhp?sourceid=chrome-instant&ion=1&espv=2&ie=UTF-8#safe=off&q=kitty+pictures
https://search.yahoo.com/search;_ylc=X3oDMTFiN25laTRvBF9TAzIwMjM1MzgwNzUEaXRjAzEEc2VjA3NyY2hfcWEEc2xrA3NyY2h3ZWI-?p=kitty+pictures&fr=yfp-t-694
https://duckduckgo.com/?q=kitty+pictures
https://www.google.com/webhp?sourceid=chrome-instant&ion=1&espv=2&ie=UTF-8#safe=off&q=cat+pictures

我想用正则表达式找到网络搜索引擎，并用一个词替换它。因此，您使用正则表达式查找 google 并将上面的所有 URL 替换为 google。

通常情况下，人们会尝试

import re
string_example = "https://www.google.com/webhp?sourceid=chrome-instant&ion=1&espv=2&ie=UTF-8#safe=off&q=cat+pictures"
re.search(r'google', string_example)

但是，这只会返回 google，而不是替换它。

(1) 如何在此 DataFrame 中的整个列条目中搜索 r'google，然后将该 URL 替换为“Google”？

(2) 如何只搜索列条目？我不能每次都传入一个字符串。

Answer 1

使用str.contains 处理各种方法以生成布尔掩码以传递loc 并设置这些行：

In [126]:
df = pd.DataFrame({'url':['google', 'cat', 'google cat', 'dog']})
df

Out[126]:
          url
0      google
1         cat
2  google cat
3         dog

In [127]:    
df['url'].str.contains('google')

Out[127]:
0     True
1    False
2     True
3    False
Name: url, dtype: bool

In [128]:    
df['url'].str.contains('google|cat')

Out[128]:
0     True
1     True
2     True
3    False
Name: url, dtype: bool

In [129]:
(df['url'].str.contains('google')) & (~df['url'].str.contains('cat'))

Out[129]:
0     True
1    False
2    False
3    False
Name: url, dtype: bool

然后您可以将这些条件传递给 loc：

In [130]:
df.loc[df['url'].str.contains('google'), 'url'] = 'yahoo'
df

Out[130]:
     url
0  yahoo
1    cat
2  yahoo
3    dog