在Pandas中对列字符串进行替换并保留指定有效内容

针对你需要处理的SHIPMENT_PROVIDER列字符串替换需求，你可以通过优先匹配更长目标字符串的正则策略，一次性覆盖两种场景：

需求回顾 #

• 保留原始的Usps和Usps International
• 将Usps后接随机字符的内容（如Uspsxy3）替换为Usps
• 将Usps International后接随机字符的内容（如Usps Internationalxyz）替换为Usps International

解决方案代码 #

推荐使用字典形式的正则替换，逻辑更清晰且能保证优先匹配更长的模式：

orders['SHIPMENT_PROVIDER'] = orders['SHIPMENT_PROVIDER'].replace(
    {
        r'^(Usps International)[a-zA-Z0-9]+$': r'\1',
        r'^(Usps)[a-zA-Z0-9]+$': r'\1'
    },
    regex=True
)

逻辑说明 #

1. 正则规则按从长到短的顺序排列，确保Usps Internationalxxx这类字符串会被第一条规则优先匹配，替换为捕获到的Usps International
2. 第二条规则处理剩下的Uspsxxx格式字符串，替换为捕获到的Usps
3. 原始的Usps和Usps International因为没有后续随机字符，不会被任何规则匹配，保持原样

也可以用单个正则表达式实现，利用分支匹配的优先级：

orders['SHIPMENT_PROVIDER'] = orders['SHIPMENT_PROVIDER'].replace(
    to_replace=r'^(Usps International)([a-zA-Z0-9]+)$|^(Usps)([a-zA-Z0-9]+)$',
    value=r'\1\3',
    regex=True
)

这里正则分支会先尝试匹配前半部分的Usps International模式，匹配失败才会尝试后半部分的Usps模式，替换时取对应捕获组的内容。

内容的提问来源于stack exchange，提问作者Gordan84