pandas dataframe：根据字典替换单元格中的（独立）子字符串

Question

我想知道社区中是否有人可以提供以下帮助：目的是用正则表达式替换 pandas DataFrame 中的子字符串（基于我作为参数传递的字典）。尽管键：值替换仅应在字典键被发现为独立子字符串（而不是单词的一部分）时发生。我所说的独立子字符串是指它在空格之后开始以前的：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“shirt”不应替换为“shirts”，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）作为我传递的字典的一部分传递df.replace(dict, regex=True)

Answer 1

您可以使用

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。匹配将被传递给 lambda，并且将使用 获取相应的值mapping[x.group()]。

多字搜索词更新

由于您可能需要在键中搜索多字词mapping，因此您应该确保最长的搜索词在交替组中排在第一位。即，\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

Answer 2

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)

Answer 3

在您的图案中包含空白！:)

mapping = {

   " sweatshirt":" sweat_shirt",

   " shirt":" shirts"

}

df = ([

         ["men sweatshirt"]

       ])

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