Python中移除DataFrame姓名列前缀无效的原因排查

问题背景 #

现有数据集：

ID      Name     
101    DR. ADAM SMITH
102    BEN DAVIS
103    MRS. ASHELY JOHNSON
104    DR. CATHY JONES 
105    JOHN DOE SMITH

期望移除姓名中的DR. 、MRS. 等前缀，得到：

ID        Name 
101     ADAM SMITH
102     BEN DAVIS
103     ASHELY JOHNSON
104     CATHY JONES
105     JOHN DOE SMITH 

尝试执行df['Name'] = df['Name'].replace(to_replace = 'DR. ', value = '')及针对其他前缀的重复代码，但无任何效果。

原因分析 #

你用的Series.replace()方法默认是全元素匹配替换——它只会替换那些内容完全等于'DR. '的单元格，而你的数据里所有带前缀的单元格都是前缀+姓名的完整字符串，没有任何单元格的内容是单独的'DR. '，所以自然不会触发替换。

解决方案 #

要处理字符串的子串替换，必须使用Pandas的str.replace()方法（专门针对字符串类型的Series进行子串/正则替换）：

1. 逐个替换前缀（简单直接）

# 移除DR. 前缀
df['Name'] = df['Name'].str.replace('DR. ', '', regex=False)
# 移除MRS. 前缀
df['Name'] = df['Name'].str.replace('MRS. ', '', regex=False)

设置regex=False是告诉方法把DR. 当作普通字符串处理，避免正则转义的问题。

2. 正则批量替换（更高效，适合多前缀场景）
   如果有更多前缀（比如MR.、MS.等），可以用正则表达式一次性匹配所有开头的前缀：

# 匹配开头的DR. 或MRS. （注意转义点号，正则中点号代表任意字符）
df['Name'] = df['Name'].str.replace(r'^(DR\. |MRS\. )', '', regex=True)

^表示匹配字符串开头，这样只会替换出现在姓名最前面的前缀，不会误删中间出现的类似字符。

内容的提问来源于stack exchange，提问作者Coding_Nubie