如何在Pandas DataFrame中按指定模式匹配并替换单元格内容

我有一个包含字符串、整数和浮点数的DataFrame，示例如下：

需要为每行应用三个替换条件（条件1需优先执行）：

• 若单元格内容为「数字 / 数字」，则替换为"Division"；
• 若单元格内容为「NC / 数字」，则替换为"No changes"；
• 若单元格内容为「数字 / NTD」，则替换为"No ToDo's"；

所有修改需在原DataFrame中完成，预期输出示例如下：

我尝试实现了条件2的代码：

for k in range(0, df.shape[1]):
    for m,p in enumerate(df[df.columns[(k)]]):
        if (p == ("<NC> / ")):
             df[df.columns[k]][m] = df[df.columns[k]][m].replace(p, 'No changes')

类似地，条件3的实现也较为顺利，但条件1需要优先执行（不能放在if的else分支中），且我不知道如何匹配「/」前后任意数字的情况，希望得到帮助。

解决方案 #

直接用pandas的replace方法结合正则表达式就能高效解决，既保证条件优先级，又无需低效的嵌套循环：

import pandas as pd

# 假设你的DataFrame是df
# 定义替换规则，顺序决定优先级：条件1优先，再是条件2、3
replace_rules = [
    # 条件1：匹配整数/小数 + 空格/空格 + 整数/小数
    (r'^\d+(\.\d+)?\s/\s\d+(\.\d+)?$', 'Division'),
    # 条件2：匹配 NC + 空格/空格 + 整数/小数
    (r'^NC\s/\s\d+(\.\d+)?$', 'No changes'),
    # 条件3：匹配整数/小数 + 空格/空格 + NTD
    (r'^\d+(\.\d+)?\s/\sNTD$', "No ToDo's")
]

# 对所有列应用替换，inplace=True直接修改原DataFrame
df.replace(replace_rules, regex=True, inplace=True)

代码说明： #

• 正则表达式中的^和$确保匹配整个单元格内容，避免部分匹配（比如不会误改包含类似格式的长字符串）；\d+(\.\d+)?可以匹配整数或小数；\s/\s匹配中间带空格的斜杠。
• replace方法按列表顺序依次匹配替换，所以条件1会优先执行，符合需求。
• inplace=True直接修改原DataFrame，不需要额外赋值。

为什么不用循环？ #

你之前的嵌套循环效率极低，尤其是数据量大时。pandas的矢量化操作（如replace）是基于底层C实现的，速度快得多，代码也更简洁易维护。

内容的提问来源于stack exchange，提问作者Supernova