我正在使用 pandas 清理数据,如下所示:
s3 = pd.DataFrame({'title':["intermediate" ,"Basmati/sadri" ,"temperate japonica" ,"Temperate japonica" , "Japonica" ,"Tropical japonica" ,"Aromatic (basmati/sandri type" , "indica" , "Aus/boro" , "Aus" ,"aus" ,"japonica" , "tropical japnica", "" , "Indica" , "Intermediate type" ]})
s3.title.replace(r".*[Jj]ap(o)?nica$", "japonica" ,inplace=True,regex=True)
s3.title.replace(r"Indica", "indica" ,inplace=True,regex=True)
print s3
我得到了:
title
0 intermediate
1 Basmati/sadri
2 japonica
3 japonica
4 japonica
5 japonica
6 Aromatic (basmati/sandri type
7 indica
8 Aus/boro
9 Aus
10 aus
11 japonica
12 japonica
13
14 indica
15 Intermediate type
我想像这样替换字符串:
if string not in ['japonica', "indica"] :
string = 'others'
但是如何将其作为正则表达式:
s3.title.replace(r"some regex", "others" ,inplace=True,regex=True)
请您参考如下方法:
以下应该有效。它使用三种情况,由或 (|) 运算符分隔。
- 否定前瞻以确保标题不以
japonica或indica开头,并且需要一些其他字符。 - 一个 or 语句来确保如果标题确实以
japonica或indica开头,后面还有其他字符,确认该字符串不是japonica或indica单独。 一个空字符串。
s3.title.replace(r'^(?!japonica|indica).+$|^(japonica|indica).+$|^$', "others", inplace=True, regex=True)
