python - 根据正则表达式条件替换 Pandas 系列中的整个列值

Question

我需要什么

当满足条件时，我需要替换 Pandas 系列中的整个列值。例如，考虑以下系列:

d = ["foo", "bar", "bbl dklha", "bbl hoi", "bbl lala ho", "bbl ljhkh"]
ser = pd.Series(data=d)

如下所示:

0            foo
1            bar
2      bbl dklha
3        bbl hoi
4    bbl lala ho
5      bbl ljhkh
dtype: object

我现在需要的是，每个以 bbl 开头的字符串都应该替换为“bbl leerling”，如下所示:

0             foo
1             bar
2    bbl leerling
3    bbl leerling
4    bbl leerling
5    bbl leerling
dtype: object

我为此使用正则表达式(我需要它是正则表达式，这个示例经过简化，但实际上正则表达式更复杂)。

我尝试过的

ser = ser.str.replace(pat=r'^bbl', repl="bbl leerling", regex=True)
ser = ser.replace(to_replace=r'^bbl', value="bbl leerling", regex=True)

但是两者都只是用所需的字符串替换出现的子字符串，如下所示:

0                     foo
1                     bar
2      bbl leerling dklha
3        bbl leerling hoi
4    bbl leerling lala ho
5      bbl leerling ljhkh
dtype: object

如何才能替换整个值？我一直在 Series.replace 或 Series.str.replace 中寻找某种参数来执行此操作，但似乎没有。我不想循环这个系列，使用列表理解或 .apply，因为此代码将在 Spark 生产集群上运行，而这些构造不可用/不可行。

Answer 1

选项 1，使用后视和 str.replace :

out = ser.str.replace(r'(?<=^bbl ).*', 'leerling', regex=True)

# or without lookbehind
out = ser.str.replace(r'^bbl .*', 'bbl leerling', regex=True)

选项 2，可能更有效，使用 boolean indexing对于就地修改:

ser[ser.str.startswith('bbl ')] = 'bbl leerling'

输出:

0             foo
1             bar
2    bbl leerling
3    bbl leerling
4    bbl leerling
5    bbl leerling
dtype: object