如何应用正则表达式替换Pandas DataFrame中的不规范省份名称

我们可以通过pandas内置的字符串正则处理方法，先清除省份名称的前缀，再统一转为全大写实现标准化，完整可运行代码如下：

import pandas as pd

# 构造原始DataFrame
province = {'province':['Prov. Jawa Barat', 'JAWA BARAT', 'Prop. Jawa Barat', 'Prov. Sumarta Selatan', 'SUMARTA SELATAN', 'Prop. Sumatra Selatan'],
            'city':['Bandung', 'Bogor', 'Cimahi', 'Palembang', 'Solo', 'Cilacap']}
df_prov = pd.DataFrame(province)

# 核心处理逻辑
# 1. 正则匹配删除开头的Prov.、Prop.前缀及后续空格
# 2. 统一转换为全大写，匹配标准命名
df_prov['province'] = df_prov['province'].str.replace(r'^(Prov|Prop)\.\s*', '', regex=True).str.upper()

# 可选：修正原始数据中的拼写误差（Sumatra拼写为标准的Sumarta）
df_prov['province'] = df_prov['province'].replace('SUMATRA SELATAN', 'SUMARTA SELATAN')

处理后province列的输出结果：

0            JAWA BARAT
1            JAWA BARAT
2            JAWA BARAT
3    SUMARTA SELATAN
4    SUMARTA SELATAN
5    SUMARTA SELATAN
Name: province, dtype: object

正则说明 #

• ^：匹配字符串起始位置
• (Prov|Prop)：匹配Prov或Prop两种前缀
• \.：匹配前缀后的英文句点
• \s*：匹配句点后可能存在的任意数量空格

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