如何用正则表达式替换DataFrame中指定列的部分字符串？

原始DataFrame #

fict={'well':['10B23','10B23','10B23','10B23','10B23','10B23'],
      'tag':['15B22|TestSep_OutletFlow','15B22|TestSep_GasOutletFlow','15B22|TestSep_WellNum','15B22|TestSep_GasPresValve','15B22|TestSep_Temp','WHT']}
df=pd.DataFrame(fict)

输出：

well    tag
0   10B23   15B22|TestSep_OutletFlow
1   10B23   15B22|TestSep_GasOutletFlow
2   10B23   15B22|TestSep_WellNum
3   10B23   15B22|TestSep_GasPresValve
4   10B23   15B22|TestSep_Temp
5   10B23   WHT

需求 #

将tag列中|符号之前的所有内容替换为字符串11A22，无|的行保持原样，目标输出如下：

well    tag
0   10B23   11A22|TestSep_OutletFlow
1   10B23   11A22|TestSep_GasOutletFlow
2   10B23   11A22|TestSep_WellNum
3   10B23   11A22|TestSep_GasPresValve
4   10B23   11A22|TestSep_Temp
5   10B23   WHT

错误尝试及结果 #

尝试的正则替换代码：

df['tag2']=df['tag'].str.replace(r'([a-z0-9]*)|TestSep_[a-z0-9]*','11A22',regex=True)

错误结果：

well    tag tag2
0   10B23   15B22|TestSep_OutletFlow    11A2211A22B11A2211A22|11A2211A2211A22O11A2211A...
1   10B23   15B22|TestSep_GasOutletFlow 11A2211A22B11A2211A22|11A2211A2211A22G11A2211A...
2   10B23   15B22|TestSep_WellNum   11A2211A22B11A2211A22|11A2211A2211A22W11A2211A...
3   10B23   15B22|TestSep_GasPresValve  11A2211A22B11A2211A22|11A2211A2211A22G11A2211A...
4   10B23   15B22|TestSep_Temp  11A2211A22B11A2211A22|11A2211A2211A22T11A2211A22
5   10B23   WHT 11A22W11A22H11A22T11A22

错误原因 #

1. 正则中的|是逻辑或运算符，不是字面量竖线，未转义导致匹配逻辑混乱
2. 匹配规则错误，没有精准定位|之前的内容，而是拆分匹配零散字符，导致多次替换

正确解决方案 #

方法一：精准正则替换 #

df['tag'] = df['tag'].str.replace(r'^[^|]+', '11A22', regex=True)

• 正则解释：^[^|]+匹配字符串开头到第一个|之间的所有非|字符，仅替换该部分，无|的行不受影响

方法二：字符串拆分拼接（更直观） #

df['tag'] = df['tag'].apply(lambda x: '11A22|' + x.split('|')[1] if '|' in x else x)

• 逻辑：对每个tag值判断是否包含|，是则拆分后保留后半部分并拼接前缀，否则返回原内容

验证结果 #

执行任意一种方法后，输出符合需求的DataFrame：

well    tag
0   10B23   11A22|TestSep_OutletFlow
1   10B23   11A22|TestSep_GasOutletFlow
2   10B23   11A22|TestSep_WellNum
3   10B23   11A22|TestSep_GasPresValve
4   10B23   11A22|TestSep_Temp
5   10B23   WHT

内容的提问来源于stack exchange，提问作者roudan