正在处理一些使用“||”的深思熟虑的数据作为单个字符串内的分隔符。我有一个超过 60 个工作表和 100k 个单独记录的 Excel 文件，其中包含这些“||”利益分离。例如:
email interests
<a href="https://stackoverflow.com/cdn-cgi/l/email-protection" class="__cf_email__" data-cfemail="254c4b434a65514056510b464a48" rel="noreferrer noopener nofollow">[email protected]</a> Sports||IT||Business||Other
我尝试使用以下代码来替换管道，但它似乎不起作用..管道是否被视为特殊字符？谷歌搜索没有为我提供任何 Python 特定结果。
import pandas as pd
df = pd.read_excel("test.xlsx")
df["interests"] = df["interests"].replace('||', ' , ')
出于某种原因使用 str.replace 只会在每个字符之间添加大量逗号
任何帮助将不胜感激!
最佳答案
Series.replace(..., regex=False, ...)默认情况下使用 regex=False，这意味着它将尝试替换整个单元格值。
演示:
In [25]: df = pd.DataFrame({'col':['ab ab', 'ab']})
In [26]: df
Out[26]:
col
0 ab ab
1 ab
In [27]: df['col'].replace('ab', 'XXX')
Out[27]:
0 ab ab # <--- NOTE!
1 XXX
Name: col, dtype: object
In [28]: df['col'].replace('ab', 'ZZZ', regex=True)
Out[28]:
0 ZZZ ZZZ
1 ZZZ
Name: col, dtype: object
所以不要忘记使用regex=True参数:
In [23]: df["interests"] = df["interests"].replace('\|\|', ' , ', regex=True)
In [24]: df
Out[24]:
email interests
0 <a href="https://stackoverflow.com/cdn-cgi/l/email-protection" class="__cf_email__" data-cfemail="e0898e868fa094859394ce838f8d" rel="noreferrer noopener nofollow">[email protected]</a> Sports , IT , Business , Other
或使用Series.str.replace()它始终将其视为正则表达式:
df["interests"] = df["interests"].str.replace('\|\|', ' , ')
除此之外的PS | is a special RegEx symbol ，这意味着OR，所以我们需要用反斜杠字符来转义
关于python - 更换双管||在 Pandas 或 Python 中，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/49495983/