更Pythonic的字符串清理方法：优化列名格式化实现

需求说明 #

将结构化字符串清理为规范列名，替代原有的多轮str.replace链式调用，实现更简洁、符合Python风格的写法。

示例输入 #

0                                 Estimate!!Total:
1                          Estimate!!Total:!!Male:
2           Estimate!!Total:!!Male:!!Under 5 years
3            Estimate!!Total:!!Male:!!5 to 9 years

预期输出 #

0                  Total:
1                   Male:
2            Male_Under_5
3             Male_5_to_9
4           Male_10_to_14
5           Male_15_to_17

优化方案1：正则批量替换（简洁高效） #

利用str.replace的正则模式，一次性整合多轮替换规则，大幅简化代码：

test['LABEL'] = test['LABEL'].str.replace(
    r'^(Estimate!!(Total:!!)?)|years|:!!|\s',
    lambda m: '_' if m.group() in (':!!', ' ') else '',
    regex=True
).str.rstrip('_')

规则解释

• ^(Estimate!!(Total:!!)?)：匹配开头的Estimate!!或Estimate!!Total:!!，直接替换为空
• years：匹配并移除该文本
• :!! 和 \s：匹配后替换为下划线_
• str.rstrip('_')：移除末尾多余的下划线

优化方案2：拆分逻辑写法（可读性优先） #

如果觉得单正则可读性差，可拆分规则分步处理，逻辑更清晰：

import re

def clean_col_name(s):
    # 移除开头固定前缀
    s = re.sub(r'^Estimate!!(Total:!!)?', '', s)
    # 替换分隔符和空格为下划线
    s = re.sub(r':!!|\s', '_', s)
    # 移除years文本
    s = s.replace('years', '')
    # 清理末尾下划线
    return s.rstrip('_')

test['LABEL'] = test['LABEL'].apply(clean_col_name)

内容的提问来源于stack exchange，提问作者Tinkinc