Python data.table正则使用（除re.match）及列转整数报错求助

1. Python data.table 中能否使用除 re.match 外的正则表达式？ #

可以。Python data.table 支持结合 Python 的 re 模块使用各类正则函数（如 re.sub、re.search 等），但需要注意向量化处理——因为 re 模块的函数默认只处理单个字符串，直接作用于整列会报错，需通过向量化方法对列中每个元素逐一处理。

2. 解决列转换失败的问题 #

你遇到的 TypeError 本质是 re.sub 无法直接处理 data.table 的列对象（向量），必须逐元素应用正则替换。以下是修正后的可行方案：

方案一：使用 lapply 逐元素处理 #

import re
from datatable import dt, f, update, as_type

# 假设 df 是 datatable.Frame 对象
df[:, update(weird_col = dt.lapply(f.weird_col, lambda x: re.sub(r"\.[0-9]{0,2}|-", "", str(x))))]
# 转换为整数
df[:, update(weird_col = as_type(f.weird_col, int))]

方案二：结合 np.vectorize 向量化 re.sub #

import re
import numpy as np
from datatable import dt, f, update, as_type

# 包装 re.sub 为向量化函数
vectorized_sub = np.vectorize(lambda x: re.sub(r"\.[0-9]{0,2}|-", "", str(x)))
df[:, update(weird_col = vectorized_sub(f.weird_col))]
# 转整数
df[:, update(weird_col = as_type(f.weird_col, int))]

关键注意点： #

• 必须先将列元素转为字符串（str(x)），避免因列中存在非字符串类型（如数值、缺失值）导致报错；
• 使用 data.table 的 update 语法时，通过 f.colname 引用列更符合 data.table 的语法规范，而非直接用 df[:, 'colname']；
• 替换完成后，用 as_type 显式转换为整数类型。

内容的提问来源于stack exchange，提问作者itarill