如何用Pandas结合正则按另一列条件替换字符串列结尾指定子串

错误原因 #

str.replace() 方法必须传入「匹配规则」和「替换为的内容」两个必填参数，你的代码里只写了正则匹配规则，没指定替换目标值，所以触发参数缺失报错。另外你写的正则规则也存在问题：仅给最后一个Inc加了行尾匹配符$，会导致其他后缀匹配到字符串中间的内容，同时正则里的.没有转义，会匹配任意字符，不符合「仅匹配结尾后缀」的需求。

正确实现代码 #

首先修正正则规则，统一匹配结尾的4种后缀，同时自动去掉后缀前的空格：

import pandas as pd

# 构造示例数据集
data = {
    'id': [1,2,3,4,5],
    'company name': ['Finl Corp.', 'Fund Tr Corp', 'Inc Invt Fd', 'Govt Fd Inc.', 'Trinity Inc'],
    'value': [7,6,5,3,5]
}
df = pd.DataFrame(data)

# 1、先初始化简洁名称列为原公司名，保证不符合条件的行保持原值
df['company_name_concise'] = df['company name']

# 2、构造过滤条件
mask = df['value'] >=5

# 3、对符合条件的行做后缀替换
df.loc[mask, 'company_name_concise'] = df.loc[mask, 'company name'].str.replace(
    r'\s*(Corp\.?|Inc\.?)$', # 匹配结尾的Corp、Corp.、Inc、Inc.以及前面的空格
    '', # 替换为空字符串
    regex=True
)

输出结果验证 #

运行后得到的结果和预期完全一致：

id  company name  value company_name_concise
0   1    Finl Corp.      7                 Finl
1   2  Fund Tr Corp      6              Fund Tr
2   3   Inc Invt Fd      5          Inc Invt Fd
3   4  Govt Fd Inc.      3         Govt Fd Inc.
4   5   Trinity Inc      5              Trinity

内容的提问来源于stack exchange，提问作者ah bon