Pandas如何用正则简化DataFrame多值字符串替换并支持扩展匹配

简化实现方案 #

方案1：正则批量替换（适配模糊匹配需求，支持自动识别新的velvet类食品） #

你可以提前定义正则匹配规则和替换结果的映射字典，一次调用完成所有替换操作，还能适配大小写、内容空格差异，以及你需要的blue velvet自动替换为dessert的需求：

# 替换规则映射：键为正则匹配模式，值为替换后的内容
replace_patterns = {
    r'(?i)apple': 'fruit',  # (?i)忽略大小写，匹配Apple、apple等所有写法
    r'(?i)beet\s*root': 'vegetable',  # \s*兼容中间有无空格，适配Beet root、Beetroot
    r'(?i)pizza': 'fast food',
    r'(?i).*velvet$': 'dessert'  # 匹配所有以velvet结尾的内容，Red velvet、blue velvet都生效
}

# 单句完成所有替换
df['food_item'] = df['food_item'].replace(replace_patterns, regex=True)

后续需要新增替换规则时，只需要在replace_patterns字典中新增对应键值对即可，不用额外加替换代码。

方案2：精确匹配简化写法 #

如果所有待替换内容都是固定值，不需要模糊匹配，直接用精确映射字典即可，性能更高：

replace_map = {
    'Apple': 'fruit',
    'Beet root': 'vegetable',
    'Pizza': 'fast food',
    'Red velvet': 'dessert',
    'blue velvet': 'dessert'
}
df['food_item'] = df['food_item'].replace(replace_map)

内容的提问来源于stack exchange，提问作者aristotle29