如何在Pandas DataFrame的details列替换指定正则匹配内容

问题描述 #

现有如下DataFrame：

import pandas as pd
df = pd.DataFrame(
     columns=['deal','details'],
     data=[
           ['deal1', 'MH92h'],
           ['deal2', 'L97h'],
           ['deal3', '97.538'],
           ['deal4', 'MH98h'],
           ['deal5', 'TRD (97.612 cvr)'],
          ]
)

需求：将details列中匹配MH[0-9]+h格式的行替换为[对应数字].75，其余行保留原内容。

尝试的错误代码：

df = df.assign(test_col=df.details.str.replace("\d+",r'\d+'+'75'), regex=True)

正确实现方法 #

你的代码问题在于正则匹配范围过宽和反向引用使用错误，以下是修正后的代码：

# 添加新列并完成替换
df['test_col'] = df['details'].str.replace(r'MH(\d+)h', r'\1.75', regex=True)

代码说明 #

1. 正则表达式精准匹配：MH(\d+)h专门匹配以MH开头、h结尾，中间为连续数字的字符串，其中(\d+)是捕获组，用于提取中间的数字部分。
2. 正确使用反向引用：替换字符串中的\1代表第一个捕获组捕获到的数字，拼接.75后就得到目标格式。
3. 自动保留原内容：对于不匹配该正则的行，str.replace会直接保留原内容，无需额外判断。

运行结果 #

处理后的DataFrame如下：

内容的提问来源于stack exchange，提问作者Mike