使用 Reg ex 匹配数据框中的字符串并替换 - python

Question

我有看起来像这样的数据框

    value
0   A067-M4FL-CAA-020
1   MRF2-050A-TFC,60 ,R-12,HT
2   moreinfo
3   MZF8-050Z-AAB
4   GoCats
5   MZA2-0580-TFD,60 ,R-669,LT

我希望能够使用正则表达式剥离,60 ,R-12,HT，并从 DF 中删除moreinfo行和GoCats行。

我的预期结果：

     value
0   A067-M4FL-CAA-020
1   MRF2-050A-TFC
2   MZF8-050Z-AAB
3   MZA2-0580-TFD

我首先删除了字符串

del = ['hello', 'moreinfo']
for i in del:
   df = df[value!= i]

有人可以建议一种使用正则表达式来匹配和删除所有与A067-M4FL-CAA-020或MZF8-050Z-AAB模式匹配的情况的方法，这样我就不必为所有可能的情况创建列表吗？

我能够像这样剥离一行，但我希望能够剥离数据帧中的所有匹配案例

pattern = r',w+ ,w+-w+,w+ *'
line = 'MRF2-050A-TFC,60 ,R-12,HT'
for i in re.findall(pattern, line):
   line = line.replace(i,'')
>>> MRF2-050A-TFC

我尝试调整我的代码，但它为每一行打印出相同的输出

pattern = r',w+ ,w+-w+,w+ *'
for d in df:
   for i in re.findall(pattern, d):
     d = d.replace(i,'')

任何建议将不胜感激。谢谢

Answer 1

你可以试试这个

(?:w+-){2,}[^,n]*

演示

Python 脚本可能如下所示

ss="""0   A067-M4FL-CAA-020
1   MRF2-050A-TFC,60 ,R-12,HT
2   moreinfo
3   MZF8-050Z-AAB
4   GoCats
5   MZA2-0580-TFD,60 ,R-669,LT"""
import re
regx=re.compile(r'(?:w+-){2,}[^,n]*')
m= regx.findall(ss)
for i in range(len(m)):
    print("%d   %s" %(i, m[i]))

输出为

0   A067-M4FL-CAA-020
1   MRF2-050A-TFC
2   MZF8-050Z-AAB
3   MZA2-0580-TFD

Answer 2

这是一种更简单的方法，您可以在不使用正则表达式的情况下尝试。 熊猫有许多内置函数来处理文本数据。

# remove unwanted values
df['value'] = df.value.str.replace(r'moreinfo|60|R-.*|HT|GoCats|,', '')
# drop na
df = df[(df != '')].dropna()
# print
print(df)
    value
0   A067-M4FL-CAA-020
1   MRF2-050A-TFC
3   MZF8-050Z-AAB
5   MZA2-0580-TFD
-----------
# data used
df = pd.read_fwf(StringIO(u'''
    value
0   A067-M4FL-CAA-020
1   MRF2-050A-TFC,60 ,R-12,HT
2   moreinfo
3   MZF8-050Z-AAB
4   GoCats
5   MZA2-0580-TFD,60 ,R-669,LT'''),header=1)

Answer 3

我建议捕获您想要的数据，因为它非常特殊，并且您不想要的数据可能是任何东西。

您的模式应如下所示：

^w{4}-w{4}-w{3}(?:-d{3})?

https://regex101.com/r/NtH2Ut/2

我建议在可能的情况下比w更具体。 (像^[A-Z]w{3}一样(如果您知道开头的四个字符块应该以字母开头。

编辑抱歉，我可能没有从字面上充分阅读您的输入和输出：

https://regex101.com/r/NtH2Ut/3

^(?:d+s+w{4}-w{4}-w{3}(?:-d{3})?)|^s+.*