使用 .replace(regex) 错误缺失值

Question

我正在尝试用数据框中的正则表达式替换一些杂乱的数据，该列具有限定值，但它们很杂乱。例如，我在“包装”一栏中有“塑料”，“塑料”，“塑料包装”，或“卡顿”，“纸箱”，“纸箱”...，但它们的含义相同，即“塑料'或'纸箱'之类的东西。因此，我试图用 .replace 和 Regex 替换所有这些值。我的代码如下所示：

dict1={r'[cK]arton':'Carton',r'\W*((?i)plasti(?-i))\W*':'Plastique',r'[cC]onserve':'Conserve'}

df['packaging'].replace(dict1,inplace=True,regex=True)

但是，当我执行时，它给了我错误：缺少：在位置 18

我已经检查过，第 1 行到第 18 行不仅在第 18 行有 17 个缺失值，那么为什么我会出现这个错误？我应该告诉 python 忽略 na 值吗？但是 replace() 函数似乎没有忽略 na 选项。

非常感谢您

Answer 1

您不能在 Python re 中在正则表达式的非初始位置使用内联修饰符。此外，它不支持(?-i) 表示法（以禁用前面(?i) 的效果）。

相反，您可以使用内联修饰符组(?i:...)。

因此，您需要像这样修复正则表达式定义：

dict1={
    r'[cK]arton':'Carton',
    r'\W*(?i:plasti)\W*':'Plastique',
    r'[cC]onserve':'Conserve'
}

或者，r'\W*(?i:plasti)\W*'也可以写成r'(?i)\W*plasti\W*'。