Skip to main content
 首页 » 编程设计

python之在 Python 中使用正则表达式来排除字符串

2025年04月02日27fff_TT

我正在使用 pandas 清理数据,如下所示:

s3 = pd.DataFrame({'title':["intermediate" ,"Basmati/sadri" ,"temperate japonica" ,"Temperate japonica" , "Japonica" ,"Tropical japonica" ,"Aromatic (basmati/sandri type" , "indica" , "Aus/boro" , "Aus" ,"aus" ,"japonica" , "tropical japnica", "" , "Indica" , "Intermediate type" ]}) 
 
s3.title.replace(r".*[Jj]ap(o)?nica$", "japonica" ,inplace=True,regex=True) 
 
s3.title.replace(r"Indica", "indica" ,inplace=True,regex=True) 
 
print s3 

我得到了:

                        title 
0                    intermediate 
1                   Basmati/sadri 
2                        japonica 
3                        japonica 
4                        japonica 
5                        japonica 
6   Aromatic (basmati/sandri type 
7                          indica 
8                        Aus/boro 
9                             Aus 
10                            aus 
11                       japonica 
12                       japonica 
13                                
14                         indica 
15              Intermediate type 

我想像这样替换字符串:

if string not in  ['japonica', "indica"] : 
    string = 'others' 

但是如何将其作为正则表达式:

s3.title.replace(r"some regex", "others" ,inplace=True,regex=True) 

请您参考如下方法:

以下应该有效。它使用三种情况,由或 (|) 运算符分隔。

  • 否定前瞻以确保标题不以 japonica 或 indica 开头,并且需要一些其他字符。
  • 一个 or 语句来确保如果标题确实以 japonica 或 indica 开头,后面还有其他字符,确认该字符串不是 japonica 或 indica 单独。
  • 一个空字符串。

    s3.title.replace(r'^(?!japonica|indica).+$|^(japonica|indica).+$|^$', "others", inplace=True, regex=True)