Python pandas 正则表达式替换部分匹配模式答案

【问题标题】：Python pandas regular expression replace part of the matching patternPython pandas 正则表达式替换部分匹配模式
【发布时间】：2015-10-17 08:14:21
【问题描述】：

我有一堆这样的地址：

df['street'] =
    5311 Whitsett Ave 34
    355 Sawyer St
    607 Hampshire Rd #358
    342 Old Hwy 1
    267 W Juniper Dr 402

我想要做的是删除地址的街道部分末尾的那些数字：

df['street'] =
    5311 Whitsett Ave
    355 Sawyer St
    607 Hampshire Rd
    342 Old Hwy 1
    267 W Juniper Dr

我的正则表达式是这样的：

df['street'] = df.street.str.replace(r"""\s(?:dr|ave|rd)[^a-zA-Z]\D*\d+$""", '', case=False)

这给了我这个：

df['street'] =
    5311 Whitsett
    355 Sawyer St
    607 Hampshire
    342 Old Hwy 1
    267 W Juniper

它从我原来的街道地址中删除了“Ave”、“Rd”和“Dr”这几个词。有没有办法保留正则表达式模式的一部分（在我的情况下，这是 'Ave'、'Rd'、'Dr' 并替换其余部分？

编辑： 注意地址342 Old Hwy 1。我不想在这种情况下也取出号码。这就是为什么我指定模式（“Ave”、“Rd”、“Dr”等）以更好地控制谁被更改。

【问题讨论】：

就用这个r"\s*#?\d+$"正则表达式
@AvinashRaj 对不起，我不明白你提出的建议。能详细点吗？
试试uu.street.str.replace(r"\s*#?\d+$", '', case=False)
在默认python中，我应该使用re.sub(regex, replace, string)
对不起，我不明白您建议的模式如何适合我的情况。我得到 \s* 匹配 0 个或更多空格，不确定“#”是什么？意思是，那么 \d+$ 是我的结束条件。

标签： python regex pandas

【解决方案1】：

    df_street = '''
        5311 Whitsett Ave 34
        355 Sawyer St
        607 Hampshire Rd #358
        342 Old Hwy 1
        267 W Juniper Dr 402
        '''
    # digits on the end are preceded by one of ( Ave, Rd, Dr), space,
    # may be preceded by a #, and followed by a possible space, and by the newline
   df_street = re.sub(r'(Ave|Rd|Dr)\s+#?\d+\s*\n',r'\1\n', df_street,re.MULTILINE|re.IGNORECASE)
print(df_street)

    5311 Whitsett Ave
    355 Sawyer St
    607 Hampshire Rd
    342 Old Hwy 1
    267 W Juniper Dr

【讨论】：

您的解决方案也不保留“Ave”、“Rd”或“Dr”。我想保留它们。
太完美了。 \1 就是我要找的东西！

【解决方案2】：

您应该使用以下正则表达式：

>>> import re
>>> example_str = "607 Hampshire Rd #358"
>>> re.sub(r"\s*\#?[^\D]+\s*$", r"", example_str)
'607 Hampshire Rd'

【讨论】：