Pandas DataFrame替换括号内文本为指定格式的代码问题求助

你的代码失效核心原因是原正则仅能匹配括号内仅含4位年份的场景，但实际数据里括号内是带描述的长文本（比如(discontinued in March 2021)），年份只是其中一部分，原正则r'\((\d{4})\)'根本匹配不到目标内容。

修正后的代码 #

调整正则表达式，匹配整个括号内容并捕获其中的年份，一次性完成替换：

import re
import pandas as pd

data = {'Product': ['Product A', 'Product B', 'Product C (discontinued in March 2021)', 'Product D', 'Product E (discontinued on 30 April 2004)']}
df = pd.DataFrame(data)

def amend_vals(value):
    # 匹配括号内任意内容，同时捕获其中的4位年份
    pattern = r'\(.*?(\d{4}).*?\)'
    # 用分组引用捕获的年份，直接替换整个括号部分
    return re.sub(pattern, r'(discont. \1)', value)

df['Product'] = df['Product'].apply(amend_vals)

代码说明 #

• 正则\(.*?(\d{4}).*?\)：
  • \(和\)：精准匹配括号的左右边界
  • .*?：非贪婪模式匹配任意字符（避免误匹配多个括号的情况），直到找到4位年份
  • (\d{4})：将括号内的4位年份捕获为分组1
• 替换字符串r'(discont. \1)'：用\1引用捕获的年份，生成目标格式的括号内容

最终处理结果 #

执行后df['Product']的内容为：

0                  Product A
1                  Product B
2    Product C (discont. 2021)
3                  Product D
4    Product E (discont. 2004)

内容的提问来源于stack exchange，提问作者A.N.