基于regex匹配替换数据文件中的字符串值

Question

我有一个python数据框架，列名为“认可该专栏应该有认证数据："10/10/2011”或put：“”未认证“，但在大多数情况下，未经认证的专栏都有一些文本，比如：”这个业务没有被认证……“我想替换全文，只写：”未认证“

现在我写了一个函数：

def notAcredited(string):
    if ('Not' in string or 'not' in string):
        return  'Not Accredited'

我正在用一个循环实现这个函数，是否可以用".apply“方法来实现呢？

for i in range(len(df_1000_1500)):
    accreditacion = notAcredited(df_1000_1500['BBBAccreditation'][i])
    if accreditacion == 'Not Accredited':
        df_1000_1500['BBBAccreditation'][i] = accreditacion

Answer 1

您可以使用向量化字符串方法Series.str.replace。

In [72]: df = pd.DataFrame({'accredited': ['10/10/2011', 'is not accredited']})

In [73]: df
Out[73]: 
          accredited
0         10/10/2011
1  is not accredited

In [74]: df['accredited'] = df['accredited'].str.replace(r'(?i).*not.*', 'not accredited')

In [75]: df
Out[75]: 
       accredited
0      10/10/2011
1  not accredited

传递给replace的第一个参数，例如r'(?i).*not.*'，可以是任何正则表达式。第二个可以是任何正则表达式替换值--与re.sub所接受的字符串类型相同。regex模式中的(?i)使模式不区分大小写，因此not、Not、NOt、NoT等都将匹配。

Series.str.replace Cython化了对re.sub的调用(这使得它比使用apply所能达到的速度更快，因为apply使用apply循环)。