pandas dataframe：根据dict替换单元格中的（独立）子字符串答案

【问题标题】：pandas dataframe: replace (standalone) substring in cell based on dictpandas dataframe：根据dict替换单元格中的（独立）子字符串
【发布时间】：2020-12-22 00:36:28
【问题描述】：

我想知道社区中是否有人可以提供以下帮助：

旨在正则表达式替换熊猫数据帧中的子字符串（基于我作为参数传递的字典）。虽然 key:value 替换应该只发生，但如果 dict key 被发现为独立的子字符串（而不是单词的一部分）。通过独立子字符串，我的意思是它在空格之后开始

e.x:

mapping = {

   "sweatshirt":"sweat_shirt",
   "sweat shirt":"sweat_shirt",
   "shirt":"shirts"

}

df = pd.DataFrame([
         ["men sweatshirt"]
         ["men sweat shirt"]
         ["yellow shirt"]
       ])

df = df.replace(mapping,regex=True)

预期结果：运动衫中的子字符串“衬衫”不应替换为“衬衫”，因为值是另一个字符串的一部分，而不是独立值（\b）

注意：我传递的字典相当长，所以理想情况下有一种方法可以将独立要求 (\b) 作为我传递给 df.replace(dict, regex=True)

的字典的一部分

先谢谢

【问题讨论】：

除了在映射中包含空格外，使用 df = df.apply(lambda x: ' '+x, axis=1).replace(mapping,regex=True).ID.str.strip( )

标签： python regex pandas dictionary

【解决方案1】：

你可以使用

df[0].str.replace(fr"\b(?:{'|'.join([x for x in mapping])})\b", lambda x: mapping[x.group()])

正则表达式看起来像\b(?:sweatshirt|shirt)\b，它将匹配sweatshirt 或shirt 作为整个单词。匹配项将传递给 lambda，并使用 mapping[x.group()] 获取相应的值。

多词搜索词更新

由于您可能需要在 mapping 键中搜索多字词，因此您应该确保最长的搜索词在交替组中排在首位。也就是说，\b(?:abc def|abc)\b 而不是\b(?:abc|abc def)\b。

import pandas as pd

mapping = {
   "sweat shirt": "sweat_shirt",
   "shirt": "shirts"
}

df = pd.DataFrame([
         ["men sweatshirt"],
         ["men sweat shirt"]
       ])
rx = fr"\b(?:{'|'.join(sorted([x for x in mapping],key=len,reverse=True))})\b"
df[0].str.replace(rx, lambda x: mapping[x.group()])

输出：

0     men sweatshirt
1    men sweat_shirt
Name: 0, dtype: object

【讨论】：

想知道您上面的代码是否也考虑了位于单元格值 e.x. 开头的子字符串。 ^衬衫 123?谢谢
@Mirko 是的，\b，当后跟一个“单词”字符（数字、字母或_）时，也匹配字符串的开头。
得到了最后一个问题（很抱歉打扰了 Wiktor）。有一些边缘情况，repl。没用。坚持前任。我在最初的帖子中给出了。假设 Id 有一个值为 men sweat shirt 的 df 和以下映射 "sweat shirt: "sweat_shirt", "shirt": "shirts" 。我不确定 key1:value1 或 key2:value2 是否会真正生效。似乎在 9/10 情况下 key1:value1 被替换，但并非总是如此。您能够判断映射中使用的字典是否是从上到下处理的，所以我可以在这些键之前添加带有空格的键？还有其他想法吗？

【解决方案2】：

在您的模式中包含空格！ :)

mapping = {

   " sweatshirt":" sweat_shirt",
   " shirt":" shirts"

}

df = ([
         ["men sweatshirt"]
       ])

df = df.replace(mapping,regex=True)

【讨论】：

如果要替换的字符串在开头，则不会替换该字符串。

【解决方案3】：

试试这个代码-

mapping = {

   " sweatshirt":" sweat_shirt",
   " shirt":" shirts"
}

import pandas as pd
df = pd.DataFrame ({'ID':["men sweatshirt", "black shirt"]}
       )

df = df.apply(lambda x: ' '+x, axis=1).replace(mapping,regex=True).ID.str.strip()
print(df)

【讨论】：