Pandas DataFrame列值替换问题：处理riskID中字符后含数字/特殊字符场景

问题分析 #

现有代码的核心问题是筛选条件m2错误限制了需要处理的行：仅判断riskID包含-或_才执行替换，但像70317380CH71（数字后接字符+数字）、70317380CH&?（数字后接特殊字符）这类不包含-/_的行，无法被选中处理，导致输出不符合预期。

解决方案 #

去掉不必要的m2筛选条件，直接对所有locationCity和locationCountryCode均不为空的行执行替换操作。修改后的代码如下：

# 筛选城市和国家编码都不为空的行
m1 = new_df[['locationCity', 'locationCountryCode']].notna().all(axis=1)

# 替换符合条件的riskID：提取开头连续数字 + 去空格的城市名 + 国家编码
new_df.loc[m1, 'riskID'] = (
    new_df.loc[m1, 'riskID'].str.extract('^(\d+)', expand=False)
    + new_df.loc[m1, 'locationCity'].str.replace(' ', '')
    + new_df.loc[m1, 'locationCountryCode']
)

代码说明 #

1. 筛选逻辑：仅保留locationCity和locationCountryCode都有值的行，确保替换时有完整的拼接数据源。
2. 数字提取：str.extract('^(\d+)')可以精准提取riskID开头的连续数字，无论后续是字母、数字还是特殊字符都不受影响。
3. 字符串拼接：将提取的数字、去空格的城市名、国家编码拼接，得到预期的riskID格式。

效果验证 #

• 原riskID为70317380CH71的行，处理后变为70317380PRATTELNCH
• 原riskID为70317380CH&?的行，处理后变为70317380GALECH
• 原本已符合格式的行（如70520366HONGKONGHK）替换后结果保持不变，无需额外处理。

内容的提问来源于stack exchange，提问作者aeapen