如何在Pandas DataFrame列中针对性删除部分行的指定字符？

我来帮你搞定这个数据清洗的小麻烦！你遇到的问题核心是正则表达式没有加上位置锚点，导致匹配范围超出了你预期的范围，咱们一步步来修正：

问题分析 #

1. 你最初用df['Price'].replace('.T', '', regex=True)时，正则里的.是特殊字符，会匹配任意单个字符，而且没有限定匹配位置，所以它把.TPX里的.T也一起替换掉了，才得到了PX。
2. 后来用replace('.', '', regex=True)时，.匹配了所有字符，自然把整个列的内容都清空了——这是因为.在正则中代表任意单个字符，必须转义成\.才能匹配真正的点号。

正确解决方案 #

我们需要用带位置锚点的正则表达式来精准匹配目标字符：

• 用^\.匹配字符串开头的点号（^表示行首）
• 用\.T$匹配字符串末尾的.T（$表示行尾，\.转义点号避免它成为通配符）

你可以把两个规则合并成一次操作，也可以分步骤处理，两种方式都能得到预期结果：

方式一：合并正则规则一次处理

import pandas as pd
cars = {'Brand': ['Honda Civic','Toyota Corolla','Ford Focus','Audi A4','Suzuki'], 'Price': ['22000.T','25000.T','27000','.TPX','.NKM1'] }
df = pd.DataFrame(cars, columns = ['Brand', 'Price'])

# 用正则同时匹配开头的点和末尾的.T
df['Price'] = df['Price'].replace(r'^\.|(?<=\d)\.T$', '', regex=True)
print(df)

这里的(?<=\d)\.T$是额外加了个正向断言，确保.T前面是数字，避免误删其他位置的.T（比如如果有类似abc.Tdef的内容不会被误处理）。

方式二：分步骤处理（更直观）

import pandas as pd
cars = {'Brand': ['Honda Civic','Toyota Corolla','Ford Focus','Audi A4','Suzuki'], 'Price': ['22000.T','25000.T','27000','.TPX','.NKM1'] }
df = pd.DataFrame(cars, columns = ['Brand', 'Price'])

# 第一步：删除末尾的.T
df['Price'] = df['Price'].str.replace(r'\.T$', '', regex=True)
# 第二步：删除开头的.
df['Price'] = df['Price'].str.replace(r'^\.', '', regex=True)
print(df)

最终输出结果 #

两种方式都会得到你想要的清洗后数据：

Brand   Price
0     Honda Civic   22000
1  Toyota Corolla   25000
2      Ford Focus   27000
3         Audi A4     TPX
4          Suzuki    NKM1

内容的提问来源于stack exchange，提问作者sam_sam