使用Pandas替换Excel中macro_id对应值时结果不一致的问题

我需要基于电子表格的macro_id列，替换content_text列中的对应macro_id值，但替换结果极不稳定。这些macro_id都是固定长度的数字串，分隔符也统一，但总有部分macro_id无法被替换——既有单条未替换的情况，也有含多个macro_id的文本部分未替换的情况。表格仅4200行左右，排除设备性能问题。

原代码 #

import pandas as pd
import re

# 读取含11000行的大型电子表格
df = pd.read_excel('testmacros.xlsx')

# 处理'content_text'列的NaN值
df['content_text'] = df['content_text'].fillna('')

# 使用map函数更新'content_text'列的值
s = df.astype({'macro_id': str}).set_index('macro_id')['content_text']

pattern = r'\b(%s)\b' % '|'.join(map(re.escape, s.index))

df['content_text'] = (df['content_text']
                            .str.replace(pattern,
                                         lambda m: s.get(m.group(0)),
                                         regex=True)
                           )

# 保存更新后的电子表格
df.to_excel('updatedmacros.xlsx', index=False)

示例数据 #

现有数据 #

预期结果 #

排查情况 #

• 使用Visual Studio 2019运行代码，未替换的行数波动大，最少8行，最多186行
• 核对过未替换的macro_id，确认其在表格中存在且对应文本有效
• 原始数据由Power Query加载，尝试修改字段类型为文本后，问题依旧
• 尝试将数据粘贴为纯文本保存到xlsx和csv格式，仍无法实现100%替换

解决方法 #

移除正则表达式中的单词边界匹配\b即可解决问题。

原正则表达式：

pattern = r'\b(%s)\b' % '|'.join(map(re.escape, s.index))

修改为：

pattern = r'(%s)' % '|'.join(map(re.escape, s.index))

内容的提问来源于stack exchange，提问作者Cod3pendent