用值替换Pandas系列中的多个子字符串

可以通过形成|分隔的字符串来执行此任务。这是因为 pd.Series.str.replace 接受正则表达式:

将序列/索引中出现的模式/正则表达式替换为 其他字符串。等效于str.replace()或re。sub()。

这避免了创建字典的需要。

import pandas as pd

df = pd.DataFrame({'A': ['LOCAL TEST', 'TEST FOREIGN', 'ANOTHER HELLO', 'NOTHING']})

pattern = '|'.join(['LOCAL', 'FOREIGN', 'HELLO'])

df['A'] = df['A'].str.replace(pattern, 'CORP')

#               A
# 0     CORP TEST
# 1     TEST CORP
# 2  ANOTHER CORP
# 3       NOTHING

replace 可以接受 dict ,os我们只是为那些需要替换的值创建一个dict

dataUS['sec_type'].str.strip().replace(dict(zip(["LOCAL", "FOREIGN", "HELLO"], ["CORP"]*3)),regex=True)

dict信息

dict(zip(["LOCAL", "FOREIGN", "HELLO"], ["CORP"]*3))
Out[585]: {'FOREIGN': 'CORP', 'HELLO': 'CORP', 'LOCAL': 'CORP'}

您收到错误的原因,

str.replace 不同于 replace

@Rakesh的答案非常简洁,但不允许使用子字符串。不过,只要做一点小小的改变,就可以了。

1. 使用替换词典,因为它使其更加通用
2. 添加关键字参数 regex=True 到 Series.replace() (不是 Series.str.replace )这实际上做了两件事:它将您的替换更改为regex替换,这更强大,但您必须转义特殊字符。当心这一点。其次,它将使replace处理子字符串,而不是整个字符串。这真的很酷!

replacement = {
    "LOCAL": "CORP",
    "FOREIGN": "CORP",
    "HELLO": "CORP"
}

dataUS['sec_type'].replace(replacement, regex=True)

完整代码示例

dataUS = pd.DataFrame({'sec_type': ['LOCAL', 'Sample text LOCAL', 'Sample text LOCAL sample FOREIGN']})

replacement = {
    "LOCAL": "CORP",
    "FOREIGN": "CORP",
    "HELLO": "CORP"
}

dataUS['sec_type'].replace(replacement, regex=True)

输出

0                            CORP
1                            CORP
2                Sample text CORP
3    Sample text CORP sample CORP
Name: sec_type, dtype: object

用于替换pandas系列中的多个值的函数:

def replace_values(series, to_replace, value):
    for i in to_replace:
        series = series.str.replace(i, value)
    return series

希望这对某人有帮助

@如果你有一个很长的列表,JJP的答案是很好的。但是如果只有两个或三个,那么可以在模式中简单地使用“|”。确保添加 regex=True 参数

清晰地 .str.strip() 这不是一项要求,但却是良好的实践。

import pandas as pd

df = pd.DataFrame({'A': ['LOCAL TEST', 'TEST FOREIGN', 'ANOTHER HELLO', 'NOTHING']})

df['A'] = df['A'].str.strip().str.replace("LOCAL|FOREIGN|HELLO", "CORP", regex=True)

输出

    A
0   CORP TEST
1   TEST CORP
2   ANOTHER CORP
3   NOTHING

尝试:

dataUS.replace({"sec_type": { 'LOCAL' : "CORP", 'FOREIGN' : "CORP"}})