根据python中的计数替换字符串值数字？答案

【问题标题】：Replace String Value Digits based on their count in python?根据python中的计数替换字符串值数字？
【发布时间】：2020-10-23 15:27:29
【问题描述】：

df:
    Col_A        Month
0 March 2020      Mar
1 March 20        Mar
2 Ebg 2020        Mar
3 17 GOFE         Mar
4 APR 17          Mar
5 16 HGN          Nov
6 2015 ref        May
7 18Jun           Jul

如何从 Pandas 数据框中的字符串变量中替换数字，例如，我需要将 Col_A 中的数字替换为 2019 或 19。如果 col_A 中的位数或长度为 4，则为 2019，否则为 19。

输出：

    Col_A        Month
0 March 2019      Mar
1 March 19        Mar
2 Ebg 2019        Mar
3 19 GOFE         Mar
4 APR 19          Mar
5 19 HGN          Nov
6 2019 ref        May
7 19Jun           Jul

【问题讨论】：

标签： python python-3.x regex pandas

【解决方案1】：

由于问题中的示例包含两个和四个字符串的字符串，我假设四位字符串的最后两位将替换为"19"，两位数的字符串将替换为"19" .

以下正则表达式可以与re.sub 一起使用来进行这些替换。

r'(?<!\d)(?=\d{2}(?!\d))\d{2}|(?<=(?<!\d)\d{2})\d{2}(?!\d)'

字符串：

1 2 GOFE          Mar
2 23 GOFE         Mar
3 567 GOFE        Mar
4 5678 GOFE       Mar
5 3456789 GOFE    Mar

分别变成：

1 2 GOFE          Mar
2 19 GOFE         Mar
3 567 GOFE        Mar
4 5619 GOFE       Mar
5 34567 GOFE      Mar

regex demo|Python demo

Python 的正则表达式引擎执行以下操作。

(?<!\d)   : use negative lookbehind to assert previous
            character is not a digit
(?=       : begin positive lookahead
  \d{2}   : match 2 digits
  (?!\d)  : use negative lookahead to assert next
            character is not a digit 
)         : end non-capture group
\d{2}     : match 2 digits
|         : or
(?<=      : begin positive lookbehind
  (?<!\d) : use negative lookbehind to assert previous
            character is not a digit
  \d{2}   : match 2 digits
)         : end positive lookbehind
\d{2}     : match 2 digits
(?!\d)    : use negative lookahead to assert next
            character is not a digit

【讨论】：

【解决方案2】：

这里是你如何使用re：

import pandas as pd
from re import sub, findall

df = pd.DataFrame(...)
df['Col_A'] = [sub('\d\d\d\d','2019',m)
               if findall('\d\d\d\d',m)
               else sub('\d\d','19',m)
               for m in df['Col_A']]

更新：另一种方式：

import pandas as pd
from re import sub, findall

df = pd.DataFrame(...)

df['Col_A'] = df.Col_A.map(lambda m: sub('[0-9]{4}','2019',m)
                           if findall('[0-9]{4}',m)
                           else sub('[0-9]{2}','19',m))

更新：cs95 给出了这个简短的解决方案：

import pandas as pd

df = pd.DataFrame(...)

df['Col_A'] = df['Col_A'].str.replace('\d{2}(?!\d)', '19')

【讨论】：

这看起来很丑，你能做得更好吗？通常我们不喜欢迭代 DataFrames，如果你想在 pandas 上取得成功，你需要学习矢量化例程。不是反对者。
此外，您正在评估多达三个不同的正则表达式（这有点低效）以实现 Cary Swoveland 在一个中所做的。
更好，但仍有改进的余地。 Pandas 支持带有字符串函数的正则表达式：df['Col_A'].str.replace('\d{2}(?!\d)', '19') 是我的做法。罗马不是一天建成的，我建议在写自己之前观察标签中的其他答案。