Pandas中如何修正正则匹配首尾连字符处理带正负号的amt列
问题根因
你之前写的正则逻辑本身没有问题,bug出在方法选择上:pandas.Series.str.match() 只会从字符串的起始位置开始匹配正则,完全不会扫描字符串末尾的内容,所以你写的(^-|-$)里的|-$匹配分支根本不会被触发,自然没法识别末尾带-的值。
修正方案
1. 最小改动适配现有代码
只需要把str.match()替换为会全字符串扫描的str.contains()即可,保留你已经写好的绝对值计算逻辑:
abs_ser = pd.to_numeric(df['amt'].str.strip().str.strip('+|-'), errors='coerce') # 仅替换匹配方法,正则表达式保持不变 df['clean_amt'] = np.where(df['amt'].str.contains(r'(^-|-$)'), abs_ser * -1, abs_ser)
这个写法可以正确识别两种负号场景:开头带-的值、末尾带-的值,同时不会误伤中间带-的非法值(比如示例里的97-9)。
2. 单次遍历完成全量处理(正则提取向量化实现)
如果希望避免多次扫描列,用正则分组一次性提取数字内容和符号位置,一步算出最终值:
import pandas as pd import numpy as np # 正则规则:开头可选符号 + 纯数字/小数点内容 + 末尾可选符号 pat = r'^(?P<start_sign>[+-]?)(?P<num_part>[\d.]+)(?P<end_sign>[+-]?)$' # 一次性提取所有分组内容 extracted = df['amt'].str.extract(pat) # 计算负号标记:开头是- 或 末尾是- 就标记为负 is_negative = (extracted['start_sign'] == '-') | (extracted['end_sign'] == '-') # 转换数值并乘以对应符号 df['clean_amt'] = pd.to_numeric(extracted['num_part'], errors='coerce') * np.where(is_negative, -1, 1)
这个实现的最终输出完全符合预期:
| amt | clean_amt |
|---|---|
| 11.11 | 11.11 |
| +22.22 | 22.22 |
| 33.33+ | 33.33 |
| -44.44 | -44.44 |
| 55.55- | -55.55 |
| 66.66 | 66.66 |
| 77.77 | 77.77 |
| 8a8 | NaN |
| 99 | 99.0 |
| 97-9 | NaN |
内容的提问来源于stack exchange,提问作者Raghavendra Channappa
相关产品推荐
相关产品推荐

