python - 替换函数中 pandas 中的字符串通配符

Question

我确信这个问题有一个简单的答案，但我无法确定要使用的正确字符串。我基本上想用新域替换数据框中的任何电子邮件地址。对于特定列，将子字符串“@*”替换为“@newcompany.com”，其中 * 是任何字符集。我想保留 @ 之前的任何内容。 谢谢大家。

df_users['EMAIL'] = df_users['EMAIL'].str.replace('@', '@newcompany.com')

Answer 1

您可以使用向量化的 str在'@' 字符上拆分，然后将左侧与新域名连接起来的方法:

In [42]:

df = pd.DataFrame({'email':['asdsad@old.com', 'asdsa@google.com', 'hheherhe@apple.com']})
df
Out[42]:
                email
0      asdsad@old.com
1    asdsa@google.com
2  hheherhe@apple.com

In [43]:

df['email'] = df.email.str.split('@').str[0] + '@newcompany.com'
df

Out[43]:
                     email
0    asdsad@newcompany.com
1     asdsa@newcompany.com
2  hheherhe@newcompany.com

另一种方法是调用向量化的replace，它接受正则表达式作为字符串的模式:

In [56]:

df['email'] = df['email'].str.replace(r'@.+', '@newcompany.com')
df
Out[56]:
                     email
0    asdsad@newcompany.com
1     asdsa@newcompany.com
2  hheherhe@newcompany.com

时间

In [58]:

%timeit df['email'] = df['email'].str.replace(r'@.+', '@newcompany.com')
1000 loops, best of 3: 632 µs per loop
In [60]:

%timeit df['email'] = df.email.str.split('@').str[0] + '@newcompany.com'
1000 loops, best of 3: 1.66 ms per loop

In [63]:

%timeit df['email'] = df['email'].replace(r'@.+', '@newcompany.com', regex=True)
1000 loops, best of 3: 738 µs per loop

在这里我们可以看到 str.replace 正则表达式版本比 split 方法快近 3 倍，有趣的是 Series.replace似乎与 str.replace 执行相同操作的方法速度较慢。