使用Pandas str.replace正则替换为何出现重复结果？

问题重现 #

原始Series：

$ python3 -c 'import pandas as pd; print(pd.Series(["1","2","3","4"]))'

输出：

0    1
1    2
2    3
3    4
dtype: object

尝试用str.replace实现字符串包裹：

$ python3 -c 'import pandas as pd; print(pd.Series(["1","2","3","4"]).str.replace("(.*)", r"a\1b", regex=True))'

输出出现异常：

0    a1bab
1    a2bab
2    a3bab
3    a4bab
dtype: object

原因分析 #

• 正则(.*)不仅会匹配整个非空字符串，还能匹配字符串末尾的空字符串（.*允许匹配零个字符）。
• Pandas的str.replace默认是全局替换（替换所有匹配项），即使flags=0，其行为等价于正则的g（全局）标志，因此会完成两次替换：第一次将"1"替换为"a1b"，第二次将末尾的空字符串替换为"ab"，最终拼接成"a1bab"。

正确解决方法 #

方法1：直接字符串拼接（最直观高效） #

无需正则，直接通过字符串操作实现包裹：

import pandas as pd
s = pd.Series(["1","2","3","4"])
# 简洁写法：直接拼接前缀、原字符串、后缀
result = "a" + s + "b"
print(result)

输出：

0    a1b
1    a2b
2    a3b
3    a4b
dtype: object

方法2：修正正则表达式 #

用^（字符串开头）和$（字符串结尾）锚定匹配范围，确保只匹配整个字符串一次：

import pandas as pd
s = pd.Series(["1","2","3","4"])
result = s.str.replace("^(.*)$", r"a\1b", regex=True)
print(result)

输出同样符合预期。

内容的提问来源于stack exchange，提问作者sdbbs