用于删除列数据框中字符串的特定部分的正则表达式 python

Question

我正在处理一个包含地址的数据框，我想删除字符串的特定部分。比如说

而且我想删除字符串，因为将单词“REFERENCE:”和“reference:”放到了句子的末尾。我还想创建一个看起来像这样的新列（没有 REFERENCE:/reference: 和这些词的下一个字母）你能帮我用 Regex 做吗？我希望它的新专栏看起来像这样：

Answer 1

您可以使用一些正则表达式来获得所需的结果。

df = pd.DataFrame({"address": ["Street Pases de la Reforma #200 REFERENCE: Green house", "Street Carranza #300 12 & 13 REFERENCE: There is a tree"]})

df.address.str.findall(r".+?(?=REFERENCE)").explode()

0    Street Pases de la Reforma #200 
1       Street Carranza #300 12 & 13

正则表达式模式的解释：

.+? matches any character (except for line terminators)
+? Quantifier — Matches between one and unlimited times, as few times as possible, expanding as needed (lazy)
Positive Lookahead (?=REFERENCE)

Answer 2

正则表达式应如下所示：

import re

discard_re = re.compile('(reference:.*)', re.IGNORECASE | re.MULTILINE)

然后您可以添加新列：

df['address_new'] = df.addresses.map(lambda x: discard_re.sub('', x))

用于删除列数据框中字符串的特定部分的正则表达式 python

Regex to remove specific parts of a string in a column dataframe python

python

regex

string

dataframe

python-re