主页 / user-25215558

SimonsWorld's questions

Martin Hope
SimonsWorld
Asked: 2025-04-30 08:21:41 +0800 CST
  • 5

我正在尝试逐个遍历 Pandas DataFrame 的列值，以检测符合正则表达式模式的子字符串，并在其出现的任何位置替换它。DataFrame 目标列中的字符串值具有以下变体：

  1. ‘函数（某物）……’
  2. ‘func（某物，某物）……’

我尝试使用第二种变体来定位值，并用同一行中另一列的值替换逗号分隔的子字符串。

我的示例代码如下：

import re
for i, x in enumerate(df['col1']):
  df.loc[i,'col2'] = re.sub(r'^(func\().+,.+(\).*)', r'\1%s\2'%(x), df.loc[i,'col2'])

*当我将模式中的替换为 时，终端上获得了成功的输出+：

>>> val = 'func(y,z) and func2(a,b)'
>>> val
'func(y,z) and func2(a,b)'
>>> pattern1 = r'^(func\().+,.+(\).*)'
>>> replacement = r'\1%s\2'%('x')
>>> val2 = re.sub(pattern1, replacement, val) 
>>> val2
'func(x)'
>>> pattern2 = r'^(func\().+,.+(\).+)'
>>> val2 = re.sub(pattern2, replacement, val) 
>>> val2
'func(x) and func2(a,b)'
>>> val3 = 'func(y) and func2(a,b)'
>>> val4 = re.sub(pattern2, replacement, val3) 
>>> val4
'func(y) and func2(a, b)'

我认为.*inpattern1应该能够容纳最后捕获的括号后的 0 个或更多任意字符实例\)，但至少使用.+inpattern2是可行的。

问题是，当我尝试在 VSCode 上使用 Python 复制 DataFrame 的列值时，我没有得到想要的输出。我想我的正则表达式模式捕获了字符串中我不想要的部分，所以得到了混合的结果。

我遗漏了什么吗pattern2？

更新： 这是我在 VSCode 中使用的示例代码，其中结果很有希望，但是当字符串添加更多条件时，模式就不再成立。

df = pd.DataFrame({'col1':['func(a,b) and func(c,d)','func(a) and func(c)','func(b) and func(c,d)','func(a,b,c) and func(d,e,f)'],
                   'col2':['e','b','a','g']})
df
>>>
    col1    col2
0   func(a,b) and func(c,d) e
1   func(a) and func(c) b
2   func(b) and func(c,d)   a
3   func(a,b,c) and func(d,e,f) g

import re
df['col3'] = ''
for i,x in enumerate(df['col2']):
    pattern = r'^(func\().+,.+(\).+)'
    replacement = fr'\1{x}\2'
    df.loc[i,'col3'] = re.sub(pattern,replacement,df.loc[i,'col1'])
    if df.loc[i,'col3'] != df.loc[i,'col1']:
        print(df.loc[i,'col1'],'--->',df.loc[i,'col3'])
>>>
func(a,b) and func(c,d) ---> func(e) and func(c,d)
func(a,b,c) and func(d,e,f) ---> func(g) and func(d,e,f)

以上是我期望看到的，但在下面的尝试中，您可以看到附加func()条件被删除：

df = pd.DataFrame({'col1':['func(a,b) and func(c,d) and func2(z)','func(a) and func(c) and func2(z)','func(b) and func(c,d) and func2(z)','func(a,b,c) and func(d,e,f) and func2(z)'],
                   'col2':['e','b','a','g']})
df
>>>
    col1    col2
0   func(a,b) and func(c,d) and func2(z)    e
1   func(a) and func(c) and func2(z)    b
2   func(b) and func(c,d) and func2(z)  a
3   func(a,b,c) and func(d,e,f) and func2(z)    g

import re
df['col3'] = ''
for i,x in enumerate(df['col2']):
    pattern = r'^(func\().+(?:,.+)+(\).+)'
    replacement = fr'\1{x}\2'
    df.loc[i,'col3'] = re.sub(pattern,replacement,df.loc[i,'col1'])
    if df.loc[i,'col3'] != df.loc[i,'col1']:
        print(df.loc[i,'col1'],'--->',df.loc[i,'col3'])

>>>
func(a,b) and func(c,d) and func2(z) ---> func(e) and func2(z)
func(b) and func(c,d) and func2(z) ---> func(a) and func2(z)
func(a,b,c) and func(d,e,f) and func2(z) ---> func(g) and func2(z)

该模式似乎忽略了中间的func()表达。

python