在 Pandas DataFrame 中找到一个正则表达式并只修改它的一部分

Question

假设我有一些值，例如

test_val1 = 'E 18TH ST AND A AVE'
test_val2 = 'E 31ST ST AND A AVE'

我想找到第 18、31 等，并将其替换为 18/31 - 基本上删除后缀但保留整个字符串。

预期值

test_val1 = 'E 18 ST AND A AVE'
test_val2 = 'E 31 ST AND A AVE'

请注意，我不想删除 'street' 对应的“St”，因此无法盲目替换。

我的方法是使用下面的方法（目前 'th'），但它不起作用，因为该函数无法将内存中的 value/text 保留为 return。

import regex as re
test_val1.replace('\d{1,}TH', '\d{1,}', regex=True)

我有一列充满了这些值，所以我可以在 Pnadas 列上 run/apply 的解决方案真的很有帮助。

Answer 1

您提到它不起作用，因为该函数无法将内存中的 value/text 保存到 return 它。是否强制不将值存储到不同的变量？

t1 = 'E 18TH ST AND A AVE'

for t1 in column:    #t1 is address in the dataframe column

t2 = t1.split()
    
t2[1] = re.sub(r'(TH|ST)', '',t2[1])
    
 t1 = ' '.join(t2)

Answer 2

我想我可以帮助替换 REGEX。看起来您要使用的函数实际上是 sub 而不是 replace。这是函数签名：

re.sub(pattern, repl, string[, count, flags])

检查official documentation。

另外 here 是对类似问题的出色回答。

Answer 3

对于以下示例数据框

df = pd.DataFrame({"Test": ['E 18TH ST AND A AVE', 'E 31ST ST AND A AVE']})

                  Test
0  E 18TH ST AND A AVE
1  E 31ST ST AND A AVE

这个

df.Test = df.Test.str.replace(r'(\d+)(TH|ST)', lambda m: m.group(1), regex=True)

产生

                Test
0  E 18 ST AND A AVE
1  E 31 ST AND A AVE

这就是您要找的吗？查看 docs 了解更多详情。

lambda 函数用作 repl 函数（“替换”），其 returns 替换字符串中的模式匹配。根据定义，它作为参数获取相应的 match object and has to return a string, usually derived from the match object, but it could be totally unrelated. The function here returns the content of the 1. capture group via the match object method group：(\d+)-part.

Answer 4

取样本值

test_val = 'E 32ND ST AND A AVE'

我用一个快速函数包装了它

import regex as re
def street_suffix_remover(in_val):
    for x in re.findall(r"(\d{1,}TH|\d{1,}RD|\d{1,}ST|\d{1,}ND)", in_val):
        in_val = in_val.replace(x, re.sub(r"TH|ST|RD|ND","", x)) 
    return(in_val)

在样本上进行测试

street_suffix_remover(test_val)

输出

E 32 ST AND A AVE

运行它在如下数据框上

test_df['address'] = test_df.apply(lambda row:street_suffix_remover(row['address']), axis=1)

在 Pandas DataFrame 中找到一个正则表达式并只修改它的一部分

Find a regex and modify only a part of it in a Pandas DataFrame

python

regex

pandas

python-re