如何使用Python中的正则表达式从预定义子字符串列表中替换或更新DataFrame的字符串实例

Question

DataFrame实例是混合字母数字字符串类型。但是DataFrame中的所有实例都只包含三个字符串中的一个公共子字符串，即普通、后台、僵尸网络。我希望将dataframe的所有实例替换为这3个实例，以便dataframe类型成为绝对类型。

OriginalDF                                  ConvertedDF
To-background flow udp flows                background
To-botnet flow tcp syn packet               botnet
To-normal flow tcp syn packet               normal
To-normal flow tcp flows                    normal
To-botnet flow ack connection established   botnet
To- normal flow tcp flows                   normal
To-background flow tcp flows                background

我尝试过使用一种迭代方法，这很好。

   for i in range(cat_data.shape[0]):

    if( "Background" in cat_data.Label[i]):
        cat_data.Label[i] = "Background"
    elif( "Normal" in cat_data.Label[i]):
        cat_data.Label[i] = "Normal"
    else:
        cat_data.Label[i] = "Botnet"

他们是否有任何标准的或自定义的方式来执行这样的任务，使用正则表达式，它只使用一两条语句，而不是传统的迭代方式？

Answer 1

除了@Mad物理学家的解答之外，我还有其他的解决方案。test.csv容器如下所示

Original_DataFrame
To-background flow udp flows 
To-normal flow tcp ack packet flows
To-botnet flow tcp syn packet 
To- normal flow tcp flows
To- botnet flow ack connection
To- normal flow tcp flows
To- background flow tcp flows

解决方案1:使用列表理解。我使用一个转换函数来返回所需的字符串。我提出这个解决方案是为了证明有多种方法可以做到。选一个最适合你的。

import pandas as pd

def convert_string(string):
    if 'background' in string:
        return 'background'
    elif 'normal' in string:
        return 'normal'
    elif 'botnet' in string:
        return 'botnet'
    else :
        return 'Nan'

df = pd.read_csv('test.csv')
df['New_DataFrame'] =  [ convert_string(string) for string in df['Original_DataFrame']]
print(df)

解决方案2:使用熊猫习语。如果-那么使用.loc

import pandas as pd
df = pd.read_csv('test.csv')
df['New_DataFrame'] = "XXX"
df.loc[df.Original_DataFrame.str.contains('normal'), 'New_DataFrame'] = 'normal'
df.loc[df.Original_DataFrame.str.contains('botnet'), 'New_DataFrame'] = 'botnet'
df.loc[df.Original_DataFrame.str.contains('background'), 'New_DataFrame'] = 'background'

Answer 2

由于您正在使用regex，所以可以使用捕获组提取所需的文本：

df['data'].str.replace('.*(normal|background|botnet).*', '\\1')

替换字符串中类似于\1的反向引用允许您引用捕获组的内容。

Answer 3

使用应用函数:看看这个Remove opening and closing parenthesis with word in pandas

只是伪代码

def f(x):
    apply regex like re.findall(exp,x)
    nested if else
    check if val == value 1:
         return something
    other if else condition

df['label'] = df['label'].apply(f)