Pandas dataframe：将长的正则表达式拆分为多行

54 浏览
0 Comments

Pandas dataframe：将长的正则表达式拆分为多行

我正在使用Pandas进行一些数据清理，我有一个非常长的正则表达式，我想将其分成多行。以下内容在Pandas中运行良好，因为它在一行上：

df['REMARKS'] = df['REMARKS'].replace(to_replace =r'(?=[^\])}]*([\[({]|$))\b(?:GR|MDT|CMR|HLDS|NEXT|NGI|MDTS|RES|PPC|IND|FDC|CNL)\b(?:\s*(?:,\s*)?(?:(?:or|and)\s+)?(?:GR|MDT|CMR|HLDS|NEXT|NGI|MDTS|RES|PPC|IND|FDC|CNL))*\b', value = r'<\g<0>>', regex = True)

但这很难管理。我尝试了以下冗长的方法，它在常规Python中运行良好：

df['REMARKS'] = df['REMARKS'].replace(to_replace =r"""(?=[^\])}]*([\[({]|$))
                                                      \b(?:GR|MDT|CMR|HLDS|NEXT|NGI|MDTS|RES|PPC|IND|FDC|CNL)
                                                      \b(?:\s*(?:,\s*)?(?:(?:or|and)\s+)?
                                                      (?:GR|MDT|CMR|HLDS|NEXT|NGI|MDTS|RES|PPC|IND|FDC|CNL))*\b""", value = r'<\g<0>>', regex = True)

但是，在Pandas中无法工作。有什么想法我缺失了什么?

以下是用于测试的一些示例文本：

GR，MDT，CMR，HLDS，NEXT，NGI @ 25273，COMPTG

FIT 13.72 ON 9-7/8 LNR，LWD [GR，RES，APWD，SONVIS]，MDTS（PRESS＆SAMP）

ROT SWC，TSTG BOP

LWD [GR，RES，APWD，SONVIS]，GR，RES，NGI，PPC @ 31937，MDTS（PRESS＆

SAMP）TKG ROT SWC

LWD [GR，RES] @ 12586，IND，FDC，CNL，GR @ 12586，SWC，RAN CSG，PF

12240-12252，RR（添加信息）

谢谢！

admin 更改状态以发布 2023年5月20日
0

1 答案

0 Comments

一个选项是创建一个字符串列表，然后在调用replace时使用join。

RegEx = [r'(?=[^\])}]*([\[({]|$))\b(?:GR|MDT|CMR|HLDS|NEXT|NGI|MDTS|RES|PPC|IND|FDC|CNL)',
         r'\b(?:\s*(?:,\s*)?(?:(?:or|and)\s+)?',
         r'(?:GR|MDT|CMR|HLDS|NEXT|NGI|MDTS|RES|PPC|IND|FDC|CNL))*\b']
df['REMARKS'] = df['REMARKS'].replace(to_replace=''.join(RegEx), value=r'<\g<0>>', regex=True)

使用re。

import re
s = r"""(?=[^\])}]*([\[({]|$))\b(?:GR|MDT|CMR|HLDS|NEXT|NGI|MDTS|RES|PPC|IND|FDC|CNL)
         \b(?:\s*(?:,\s*)?(?:(?:or|and)\s+)?
         (?:GR|MDT|CMR|HLDS|NEXT|NGI|MDTS|RES|PPC|IND|FDC|CNL))*\b"""
df['REMARKS'] = df['REMARKS'].replace(to_replace=re.compile(s, re.VERBOSE), value=r'<\g<0>>')

0