时间戳

首页 > 解决方案 > pandas dataframe：根据dict替换单元格中的（独立）子字符串

python - pandas dataframe：根据dict替换单元格中的（独立）子字符串

问题描述

我想知道社区中是否有人可以提供以下帮助：

旨在正则表达式替换熊猫数据帧中的子字符串（基于我作为参数传递的字典）。虽然key:value 替换应该只发生，如果 dict键被发现是一个独立的子字符串（不是作为单词的一部分）。通过独立子字符串，我的意思是它在空格之后开始

前任：

mapping = {

   "sweatshirt":"sweat_shirt",
   "sweat shirt":"sweat_shirt",
   "shirt":"shirts"

}

df = pd.DataFrame([
         ["men sweatshirt"]
         ["men sweat shirt"]
         ["yellow shirt"]
       ])

df = df.replace(mapping,regex=True)

预期结果：运动衫中的子字符串“衬衫”不应替换为“衬衫”，因为值是另一个字符串的一部分，而不是独立值（\b）

注意：我传递的字典相当长，所以理想情况下，有一种方法可以将独立要求 (\b) 作为我传递的字典的一部分传递df.replace(dict, regex=True)

预先感谢

标签： pythonregexpandasdictionary

解决方案

您可以使用

df[0].str.replace(fr"\b(?:{'|'.join([x for x in mapping])})\b", lambda x: mapping[x.group()])

正则表达式看起来像\b(?:sweatshirt|shirt)\b，它将匹配sweatshirt或shirt作为整个单词。匹配项将传递给 lambda，并使用 获取相应的值mapping[x.group()]。

多词搜索词更新

由于您可能需要在mapping键中搜索多字词，因此应确保最长的搜索词在交替组中排在首位。那是，\b(?:abc def|abc)\b而不是\b(?:abc|abc def)\b。

import pandas as pd

mapping = {
   "sweat shirt": "sweat_shirt",
   "shirt": "shirts"
}

df = pd.DataFrame([
         ["men sweatshirt"],
         ["men sweat shirt"]
       ])
rx = fr"\b(?:{'|'.join(sorted([x for x in mapping],key=len,reverse=True))})\b"
df[0].str.replace(rx, lambda x: mapping[x.group()])

输出：

0     men sweatshirt
1    men sweat_shirt
Name: 0, dtype: object

推荐阅读