使用Python Pandas和正则表达式在DataFrame中使用字典替换项目。

Question

你好，我正在尝试使用Python Pandas中的字典来重新映射数据框，但我需要使用正则表达式使其正常工作。

这是字典的示例：

di_cities = {
"Ain Salah (town)": "Ain Salah"
"Agadez town": "Agadez"
"Bamako city":  "Bamako",
"Birnin Konni town":  "Birni N Konni",
"Konni":  "Birni N Konni",
"Kadunà":  "Kaduna",
"Kaduna (city)":  "Kaduna",
"Kano (city)":  "Kano"
"Matamey":  "Matamey",
"Mopti city":  "Mopti"
"N'guigmi":  "Nguigmi",
"Tunis":  "Tunis",
"Tunis (city)":  "Tunis"
}

我使用这个迭代：

di_cities = {rf"\b{k}\b": v for k, v in di_cities.items()}
df_cities_clean = df.replace(di_cities, regex=True)

如图所示（最终结果），它适用于巴马科、阿加德兹、莫普提和每个单词字符串，但对于任何带括号的字符串都不起作用，在Birnin Konni的情况下会有些混乱。

我正在以类似的方式使用另一个字典，但那里每个字符串都在括号中，{rf"\({k}\)"可以完美地工作。

你能帮我吗？

最终结果

- Irvine

---

尝试使用di_cities = {rf"\b{re.escape(k)}(?:(?<=\w)\b|(?<!\w))": v for k, v in di_cities.items()}。请注意，如果您的字典具有重叠键（即其他键的前缀），则可能无法正常工作。这还假定您的键始终以单词字符开头。 - Wiktor Stribiżew

谢谢Wiktor！对我来说几乎完美！它可以胜任除了Konni之外的所有工作，即重叠键（目前只有这一个），但我已经用一种解决方法解决了。 - Irvine

谢谢您的回复，但我不能从字符串中分离括号，因为我需要规范城市名称的拼写方式：例如，“突尼斯（城市）”->“突尼斯”。当然，我可以通过其他方式得出结果，但使用字典会更容易。 - Irvine

你真的需要在所有列上运行它吗？ - Wiktor Stribiżew

太好了，下次请在评论中添加@用户名以通知该用户您的反馈。 - Wiktor Stribiżew

Answer 1

我建议使用

di_cities = {rf"\b{re.escape(k)}(?:(?<=\w)\b|(?<!\w))": v for k, v in di_cities.items()}

使用这个字典推导式，您可以创建另一个字典，其中键是正则表达式，匹配以单词字符开头的整个单词作为前面的键（即数字、字母、下划线、连接标点符号），如果它们以单词字符结尾，则不会立即跟随另一个单词字符。 如果一个键不以单词字符结尾，例如以标点符号或空格结尾（也许添加.strip()会更安全），则不应用其他边界检查。 rf"\b{re.escape(k)}(?:(?<=\w)\b|(?<!\w))"首先转义[所有特殊的正则表达式元字符]关键字，然后在其前面加上单词边界，(?:(?<=\w)\b|(?<!\w))是一个非捕获组，匹配：

- (?<=\w)\b - 如果前一个字符是单词字符，则匹配一个单词边界（(?<!...)是一个正向回顾后发现） - | - 或 - (?<!\w)) - 如果当前位置左侧没有紧挨着的单词字符，则没有进行其他检查（空字符串匹配）（(?<!...)是一个负向回顾后发现）。

- Wiktor Stribiżew

---

谢谢Wiktor！那个完美地运作了。你的解释也非常清晰。 - Irvine