如何基于正则表达式合并Pandas DataFrame中的多行数据？

问题背景 #

你有一个单列Pandas DataFrame，数据如下：

cat = { 'cat': ['a','b','c-','        -d','e']}
df = pd.DataFrame(cat)

输出：

cat
0           a
1           b
2          c-
3          -d
4           e

需要将索引2和3的行合并为cd，得到目标结果：

cat
0           a
1           b
2          cd
3          e

之前尝试的df['cat'] = df['cat'].str.replace("-\n {8}-","",flags=re.M)无法生效，且不能使用分组方法。

解决方案 #

问题出在str.replace是对Series的每个元素单独处理，每个元素内部没有换行符，因此正则中的\n无法匹配跨行内容。我们可以先将整个Series拼接为单个字符串，处理后再拆分重构DataFrame：

import pandas as pd
import re

# 原数据
cat = { 'cat': ['a','b','c-','        -d','e']}
df = pd.DataFrame(cat)

# 1. 将Series拼接为带换行分隔的字符串
combined_str = '\n'.join(df['cat'])
# 2. 替换目标跨行模式
processed_str = re.sub(r'-\n {8}-', '', combined_str)
# 3. 拆分回列表并生成新DataFrame
new_df = pd.DataFrame({'cat': processed_str.split('\n')})

# 验证结果
print(new_df)

输出结果 #

cat
0   a
1   b
2  cd
3   e

说明 #

• 先拼接成整体字符串，才能让正则匹配到-\n {8}-这个跨行模式（即c-换行后接8个空格加-d）。
• 替换后拆分回列表，直接重构DataFrame，全程未使用分组方法，符合要求。

内容的提问来源于stack exchange，提问作者eazyezy