如何为Pandas Series中城市名添加_sub后缀（不影响区县名）？

原始数据 #

你的Pandas Series内容如下：

London:Alpha
London
London:Beta
London:Delta
Paris

目标效果 #

要给每个城市名（注意不是区县名）末尾加_sub，最终得到：

London_sub:Alpha
London_sub
London_sub:Beta
London_sub:Delta
Paris_sub

你踩的坑 #

你试了两种方法，都没达到预期：

1. 第一种链式操作：

names_df[0] = names_df[0] \
        .str.split(':') \
        .apply(lambda x: x[0] + '_sub') \
        .str.join(':')

• 问题出在两处：一是apply里只返回了改后的城市名，直接把区县部分丢了；二是str.join(':')是把字符串的每个字符用:拼接，所以才会出现L:o:n:d:o:n:_:s:u:b这种离谱结果。

2. 第二种方法：

names_df[0] = names_df[0]\
    .str.split(':')\
    .apply(lambda x: '_sub:'.join(x))

• 问题是：当行里只有城市名（比如London）时，拆分后是只有一个元素的列表，join用_sub:当分隔符的话，分隔符根本不会生效，自然加不上_sub。

正确做法 #

方法一：处理拆分后的列表 #

通过判断拆分后的列表长度，分别处理有区县和无区县的情况：

names_df[0] = names_df[0].str.split(':').apply(lambda x: f"{x[0]}_sub:{x[1]}" if len(x) > 1 else f"{x[0]}_sub")

方法二：正则替换（更简洁） #

用正则匹配开头到第一个:（或整个字符串）的城市名部分，直接替换加后缀：

names_df[0] = names_df[0].str.replace(r'^([^:]+)', r'\1_sub', regex=True)

这个正则的逻辑是：^([^:]+)匹配字符串开头到第一个:之前的内容（如果没有:就匹配整个字符串），然后把匹配到的内容替换成原内容_sub，两种情况都能覆盖。

内容的提问来源于stack exchange，提问作者Daemon2017