Pandas正则替换疑问：为何否定式正则表达式不生效？

问题背景 #

原始DataFrame定义：

import pandas as pd
df = pd.DataFrame(['0123_GRP_LE_BNS', 'ABC_GRP_BNS', 'DEF_GRP', '456A_GRP_SSA'], columns=['P'])

输出如下：

P
0  0123_GRP_LE_BNS
1      ABC_GRP_BNS
2          DEF_GRP
3     456A_GRP_SSA

需求：

• 若字符串包含GRP_LE，则保留到GRP_LE，移除后续所有字符；
• 若GRP后不是_LE，则保留到GRP，移除后续所有字符。

期望输出：

0     0123_GRP_LE
1         ABC_GRP
2         DEF_GRP
3        456A_GRP

尝试以下正则替换后结果不符合预期：

df['P'].replace({r'(.*_GRP)[^_LE].*':r'\1', r'(.*GRP_LE)_.*':r'\1'}, regex=True)

输出结果：

0     0123_GRP_LE
1     ABC_GRP_BNS
2         DEF_GRP
3    456A_GRP_SSA
Name: P, dtype: object

原因分析 #

你写的正则r'(.*_GRP)[^_LE].*'中的[^_LE]是单个字符的否定字符类，它的作用是匹配任意一个不是_、L、E的字符。

但目标字符串ABC_GRP_BNS中，GRP后面紧跟的是_，这个_属于[^_LE]排除的字符（字符类明确排除了_），所以[^_LE]无法匹配这个_，导致整个正则表达式不匹配该字符串，自然不会执行替换操作。

你真正需要的是判断GRP后面是否不是_LE这个完整序列，这需要用负向预查（零宽断言），而非单个字符的否定。

正确解决方案 #

方案1：分规则处理（先匹配GRP_LE，再匹配GRP后非_LE的情况） #

使用负向预查(?!_LE)来判断GRP后面是否不是_LE：

df['P'].replace({
    r'(.*GRP_LE)_.*': r'\1',  # 保留GRP_LE，移除后续字符
    r'(.*GRP)(?!_LE).*': r'\1'  # GRP后不是_LE时，保留GRP，移除后续字符
}, regex=True)

方案2：单正则匹配所有情况 #

通过捕获组同时处理两种场景：

df['P'].replace(r'(.*GRP)(_LE)?.*', r'\1\2', regex=True)

两种方案运行后都能得到期望输出：

0    0123_GRP_LE
1        ABC_GRP
2        DEF_GRP
3       456A_GRP
Name: P, dtype: object

内容的提问来源于stack exchange，提问作者techie11