Pandas Series的str.replace方法未按预期工作的问题排查

我在项目中遇到一个Pandas字符串替换的问题，代码复现如下：

import pandas as pd
# Recreated a sample data
data = {
  "FailCodes": ['4301,4090,5003(1)'],  
}
df = pd.DataFrame(data)
# Want to replace the '(1)' with 'p1q'
print(df.FailCodes.str.replace('(1)','p1q'),'\n') # Not giving expected result
# compare to string object method from standard python, which gives desired result
print('4301,4090,5003(1)'.replace('(1)','p1q'),'\n')
# Can get wanted result with following longer code,but would like explanation why first approach giving the unexpected result.
print(df.FailCodes.str.replace('(','p').str.replace(')','q' ))

• 意外结果：430p1q,4090,5003(p1q)
• 预期结果：4301,4090,5003p1q

我已通过分步替换实现了预期效果，但想了解第一种方法未达预期的原因。

原因分析 #

Pandas的str.replace()默认使用正则表达式进行匹配，而Python内置字符串的replace()是纯文本匹配。

在正则语法里，(和)是特殊字符，用于定义捕获分组，不是字面意义的括号。你写的'(1)'会被正则解析为：仅匹配单个1字符（括号仅作为分组标记，不参与实际匹配），所以执行替换时，所有单独的1都会被替换成p1q——原字符串里4301的1被替换成p1q，变成430p1q；末尾(1)里的1被替换，括号保留，变成(p1q)，最终得到你看到的意外结果。

更简洁的解决方法 #

除了分步替换，还可以用两种方式直接实现需求：

1. 转义正则特殊字符：

   df.FailCodes.str.replace('\(1\)', 'p1q')
   

2. 关闭正则模式，按纯文本匹配：

   df.FailCodes.str.replace('(1)', 'p1q', regex=False)
   

内容的提问来源于stack exchange，提问作者T Y