如何使用Pandas.DataFrame的replace()方法实现精确匹配的字符串替换

问题根源 #

你打印的列唯一值里可以看到，每个值的首尾本身就自带了一层单引号，你要匹配的0-4实际存储的完整字符串是"'0-4'"，之前所有写法都没有匹配到外层的单引号，所以才会失效或者误替换。

可行解决方案 #

方案1：直接匹配完整值（推荐，性能最高）

Series.replace默认是全值匹配，你只要把完整的待匹配值写对即可：

df['tumor-size'] = df['tumor-size'].replace("'0-4'", "'00-04'")

方案2：正则精确匹配全字符串

如果要用str.replace，需要用^和$限定匹配整个字符串，同时带上外层的单引号：

df['tumor-size'] = df['tumor-size'].str.replace(r"^'0-4'$", "'00-04'", regex=True)

方案3：先清理多余单引号再处理（适合后续还要对该列做其他计算的场景）

你也可以先把所有值外层多余的单引号去掉，后续处理会更方便：

# 去掉所有值首尾的单引号
df['tumor-size'] = df['tumor-size'].str.strip("'")
# 替换目标值
df['tumor-size'] = df['tumor-size'].replace('0-4', '00-04')
# 如果需要保留原来的单引号格式，可以执行下面这行加回
df['tumor-size'] = "'" + df['tumor-size'] + "'"

内容的提问来源于stack exchange，提问作者Ihmon