用字典替换Dataframe中项的Python Pandas和regex

Question

嗨，我正在尝试用Pandas中的字典重新映射Dataframe，但是我需要使用regex来使事情正常工作。

下面是dict的一个示例：

di_cities = {
"Ain Salah (town)": "Ain Salah"
"Agadez town": "Agadez"
"Bamako city":  "Bamako",
"Birnin Konni town":  "Birni N Konni",
"Konni":  "Birni N Konni",
"Kadunà":  "Kaduna",
"Kaduna (city)":  "Kaduna",
"Kano (city)":  "Kano"
"Matamey":  "Matamey",
"Mopti city":  "Mopti"
"N'guigmi":  "Nguigmi",
"Tunis":  "Tunis",
"Tunis (city)":  "Tunis"
}

我正在使用这个迭代：

di_cities = {rf"\b{k}\b": v for k, v in di_cities.items()}
df_cities_clean = df.replace(di_cities, regex=True)

正如你在图片中看到的(最后的结果)，它对巴马科，阿加德兹，莫普提和每一个独立字串都很好。不适用于带括号的任何字符串，如果发生Birnin，Konni会搞砸一点。我正在以类似的方式使用另一种字典，但是每个字符串都在括号和{rf"\({k}\)"之间工作得很好。

你能帮帮我吗?

最终结果

Answer 1

我建议用

di_cities = {rf"\b{re.escape(k)}(?:(?<=\w)\b|(?<!\w))": v for k, v in di_cities.items()}

通过本词典的理解，您可以创建另一个字典，将键作为正则表达式，将前键作为以单词字符(即数字、字母、下划线、连接器标点符号)开头的全部单词，如果它们以单词字符结尾，则不会立即使用另一个单词字符。如果键没有以单词char结尾，例如，如果它以标点符号或空格结尾(可能添加.strip()会使其更安全)，则不需要进行额外的边界检查。

rf"\b{re.escape(k)}(?:(?<=\w)\b|(?<!\w))"首先在键中转义所有特殊的regex元字符，然后在其前面加上一个单词边界，而(?:(?<=\w)\b|(?<!\w))是一个匹配的非捕获组。

• (?<=\w)\b -如果前面的字符是一个单词字符，则为一个单词边界((?<!...)是一个正向后看)
• | -或
• (?<!\w)) -如果当前位置的左侧没有单词char，则不进行额外检查(空字符串匹配) ((?<!...)是负查找)。