在 Pandas 列中，删除特定字符左侧的所有字符

Question

我有以下数据：

key German
0   0:- Profile 1
1   1:- Archetype   Realist*in
2   2:- RIASEC Code:    R- Realistic
3   3:- Subline Deine Stärke? Du bleibst dir selber treu.
4   4:- Copy    Dein Erfolg basiert auf deiner praktischen Ver...

在“键”列中，我希望删除后面的数字、冒号和短划线。这个顺序总是相同的（从左边开始）。因此，对于第一行，我想删除“0:-”，只留下“Profile 1”。我正在努力查找正确的正则表达式来实现我的要求。最初，我尝试了以下内容：

df_json['key'] = df_json['key'].map(lambda x: x.strip(':- ')[1])

然而，这种方法过于严格，因为字段中可能有多个单词。

我想使用pd.Series.str.replace()，但我无法找到正确的正则表达式来实现所需的结果。任何帮助将不胜感激。

- ojp

Answer 1

请尝试使用您展示出的样本，使用Pandas的replace函数。简单解释一下，将Pandas的replace函数应用于数据帧的German列，然后使用正则表达式^[0-9]+:-\s+将值替换为NULL。

df['German'].replace('(^[0-9]+:-\s+)','', regex=True)

说明：

• ^[0-9]+：匹配冒号后的数字开头。
• :-\s+：匹配冒号，后跟 -，然后是 1 个或多个空格出现。

- RavinderSingh13

---

谢谢，您介意解释一下正则表达式吗？ - ojp

@ojp，当然，详细的解释和文档链接已经添加到答案中了，干杯。 - RavinderSingh13

Answer 2

使用 pandas.Series.str.partition 来代替正则表达式，怎么样？

df['German'] = df['German'].str.partition()[2]

这将仅在第一个空格处分割该系列并获取其后部分。与分区不同，您也可以只拆分：

df['German'] = df['German'].str.split(' ', 1).str[1]

如果你必须使用正则表达式，也许可以使用懒惰量词来匹配第一个空格字符之前的内容：

df['German'] = df['German'].replace('^.*? +','', regex=True)

含义：

• ^ - 行的开始锚点。
• .*? - 除了换行符之外的任何0+（懒惰匹配）字符，直到；
• + - 1个或多个字面量空格字符。

这里有一个在线演示

- JvdV

---

所以这确实有效，谢谢。但我想了解正则表达式的实现，因为我在那方面有点生疏。 - ojp

谢谢分享，这对未来的参考非常有用。 - ojp

@ojp，好的，我已经编辑了答案，包括一个正则表达式选项。 - JvdV

Answer 3

你需要

df_json['key'] = df_json['key'].str.replace(r'^\d+:-\s*', '', regex=True)

请看正则表达式演示和正则表达式图表：

细节：

• ^ - 字符串开头
• \d+ - 一个或多个数字
• : - 冒号
• - - 连字符
• \s* - 零个或多个空格

- Wiktor Stribiżew

---

嗨@Wiktor。感谢您分享这个正则表达式演示和详细的解释。这真的很有帮助。 - ojp

接受此答案，因为附加的资源非常出色。 - ojp

Answer 4

提取任何非空白字符 \S 和非数字字符 \D，它们紧挨在不需要的字符左侧

df['GermanFiltered']=df['German'].str.extract("((?<=^\d\:\-\s)\S+\D+)")

- wwnde