Pandas正则按规则删除点前单词末尾数字 保留首段与词内数字

核心逻辑匹配规则 #

• 完全保留第一个点之前的首段内容，不做任何修改
• 仅删除非首段中，位于分片末尾、后面紧跟点或字符串结束的连续数字
• 分片内部的数字（如grp23Symbol中的23）不做处理

通用Python正则实现 #

import re

original_str = "Node57Name123.grpObject12.grp23Symbol43.shape52.anotherobject25.shape23"
processed_str = re.sub(
    r'^([^.]+)\.(.*)$',
    lambda match: match.group(1) + '.' + re.sub(r'\d+(?=\.|$)', '', match.group(2)),
    original_str
)
# 输出结果：Node57Name123.grpObject.grp23Symbol.shape.anotherobject.shape

Pandas场景用法 #

若需处理DataFrame中的字符串列，优先使用str.replace实现：

import pandas as pd

# 假设原始字符串列名为 raw_str
df['processed_str'] = df['raw_str'].str.replace(
    r'^([^.]+)\.(.*)$',
    lambda match: match.group(1) + '.' + re.sub(r'\d+(?=\.|$)', '', match.group(2)),
    regex=True
)

若Pandas版本较低不支持str.replace传入函数，可改用apply实现：

df['processed_str'] = df['raw_str'].apply(
    lambda s: re.sub(
        r'^([^.]+)\.(.*)$',
        lambda m: m.group(1) + '.' + re.sub(r'\d+(?=\.|$)', '', m.group(2)),
        s
    )
)

正则说明 #

• ^([^.]+)\.：匹配字符串开头，捕获第一个点前的所有内容作为第一组，确保首段完全保留
• \d+(?=\.|$)：匹配连续数字，正向环视要求数字后面必须紧跟点或字符串结束，仅删除符合该条件的数字，分片内部的数字不会被匹配
  之前使用的re.sub(r"\d+","",string)会全局删除所有数字，既会误删首段的数字，也会误删分片内部的数字，不符合需求。

内容的提问来源于stack exchange，提问作者Pratik V