You need to enable JavaScript to run this app. 如何将DataFrame列中附带字母/符号的数字整体替换为NUMBER?
优惠活动
大模型
产品
解决方案
定价
更多

如何将DataFrame列中附带字母/符号的数字整体替换为NUMBER?

实现数字及附属绑定字符的整体替换

之前的正则\d+仅能匹配连续纯数字,因此会残留数字前后紧贴、和数字属于同一语义单元的符号/单位。要实现目标效果,需要调整正则规则,将无空白分隔、和数字绑定的整段金额/价格/百分比表述整体纳入匹配范围。

正则匹配规则设计

匹配范围需覆盖三类常见场景:

  • 带前置货币/符号的数值:比如$425、-12.3%
  • 带后置单位/符号的数值:比如42c.、12%、1.5k
  • 纯独立数值块
    匹配边界要求:整段匹配块前后必须是空白、字符串开头或结尾,避免误把单词中间夹的数字片段错判。

对应的正则模式为:

import re
import pandas as pd

# 可根据实际语料的附属字符增删括号内的匹配项
NUMBER_PATTERN = r'(?<!\S)[\$€£¥-]?\d+(?:\.\d+)?[%csdkm\.]+(?!\S)|(?<!\S)[\$€£¥-]?\d+(?:\.\d+)?(?!\S)'

实际替换效果

  1. 测试之前踩坑的单条文本场景:
def repl(x):
    return re.sub(NUMBER_PATTERN, "NUMBER", x)

repl("I made 428c with a 52% increase")
# 输出:I made NUMBER with a NUMBER increase
  1. 直接在pandas DataFrame上批量替换,无需逐行遍历:
df = pd.DataFrame({'id': [1, 2, 3], 
                   'comment': ["I made $425",
                               "I got mine at 42c. per share", 
                               "Stocks saw a 12% increase"]})

df['comment'] = df['comment'].str.replace(NUMBER_PATTERN, "NUMBER", regex=True)

替换后comment列的结果完全符合预期:

df['comment'].tolist()
# ['I made NUMBER', 'I got mine at NUMBER per share', 'Stocks saw a NUMBER increase']

如果实际语料中存在其他和数字绑定的附属字符(比如shares、pt等单位),直接在正则的匹配字符集合中新增对应字符即可。


内容的提问来源于stack exchange,提问作者Noodles

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.17 18:45:00