为什么pandas str.replace用.*模式多次插入替换值[重复]答案

【问题标题】：why pandas str.replace with .* pattern insers replacement value multiple times [duplicate]为什么pandas str.replace用.*模式多次插入替换值[重复]
【发布时间】：2021-05-27 18:36:05
【问题描述】：

我正在尝试使用 pandas str.replace 函数来替换模式。

但是当我这样做时：

pd.DataFrame({'text_col':['aaa', 'c', 'bbbbb', 'ddd']})['text_col'].str.replace('.*', 'RR')

由于某种原因返回：

0    RRRR
1    RRRR
2    RRRR
3    RRRR
Name: text_col, dtype: object

虽然我会返回相同的结果：

pd.DataFrame({'text_col':['aaa', 'c', 'bbbbb', 'ddd']})['text_col'].str.replace('^.*$', 'RR')

0    RR
1    RR
2    RR
3    RR
Name: text_col, dtype: object

如果我将此行为与 R 编程语言进行比较，替换模式 .* 和 ^.*$ 会产生相同的结果。为什么在 Pandas 中会有所不同？

【问题讨论】：

标签： python regex pandas replace

【解决方案1】：

两种正则表达式模式不同。

a* -> 零个或多个 a。

看看这个例子。

>>> import re
>>> re.findall('.*', 'c')
# ['c', '']

>>> re.findall('.*', 'AAAAAAA')
# ['AAAAAAA', '']

>>> re.findall('.*', '')
# ['']

'.*' 也匹配空字符串。 _.str.replace 替换每个匹配项，因此您总是得到两个匹配项，即一个是实际字符串，两个是空字符串。所以，你总是会收到'RRRR'。

如果你想匹配一个或匹配字符，你可以使用下面的正则表达式。

pat = r'.{1, }'

【讨论】：

哦，哇，我没想到它也会匹配非空字符串中的空字符串。我认为 .* 只会匹配整个字符串。