使用正则表达式模式替换数字后跟子字符串或数字后跟空格，然后替换子字符串

Question

对于熊猫数据帧中的列，我想删除紧跟"gb"或"mb"的任何数字，或者中间有一个空格，因为它是完整的。 即删除诸如"500 gb"和"500mb"之类的字符串。

Column_To_Fix
0   coolblue 100gb
1   connector 500 mb for thing
2   5gb for user
3   load 800 mb
4   1000 add-on
5   20 gb 

下面的函数仅适用于第 0 行和第 2 行，不确定如何添加模式的空间要求：

pat = '(^|s)d+(gb|mb)($|s)'
df['Column_To_Fix'].str.lower().replace(pat, ' ', regex=True)

期望输出：

Column_To_Fix
0   coolblue
1   connector for thing
2   for user
3   load
4   1000 add-on
5   

Answer 1

试试这个模式

pat = 'd+ *(gb|mb)'
df['Column_To_Fix'].str.lower().str.replace(pat, ' ')
Out[462]:
0               coolblue
1    connector   for thing
2                 for user
3                   load
4              1000 add-on
5
Name: Column_To_Fix, dtype: object

如果你喜欢series.replace

df['Column_To_Fix'].str.lower().replace(pat, ' ', regex=True)

Answer 2

我假设文本是(没有行号(：

coolblue 100gb
connector 500 mb for thing
5gb for user
load 800 mb
1000 add-on
20 gb

并且期望的结果(保持适当的对齐和间距(是：

coolblue
connector for thing
for user
load
1000 add-on

最后一行为空字符串。这可以通过将以下正则表达式的匹配项替换为空字符串(使用re.sub(来实现。

r'(?:^d+ ?[gm]b | d+ ?[gm]b(?= |$))'

演示