如何使用正则表达式重命名Pandas数据帧的列？

Question

我有一个dataframe，它的列名如下所示，其中一些列名的子字符串在[]

'date', 'customer','region[level1]','priority[s2]','planning[WIP]' ...
 Jan.10,  ABC     ,   East[3]      ,    Normal[1] ,    TBD[WIP]    ...   

我想重命名所有列，以便只保留[]中的值

'date','customer','level1','s2','WIP' ...

我尝试了下面的代码，但不断得到错误代码“NoneType”，对象没有属性“groups”。哪一部分出错了

import re
for i in range(len(df.columns)):
  df.columns.value[i] = [re.match(r"[^[]*\[([^]]*)\]", col_name).groups()[0] for col_name in df.columns]

Answer 1

您可以像下面这样使用apply和re.sub()：

df = pd.DataFrame([['Jan.10','ABC','East[3]','Normal[1]','TBD[WIP]']], columns=['date','customer','region[level1]','priority[s2]','planning[WIP]'])

df.rename(columns=(lambda x : re.sub(r'(.*\[)|(\].*)', "", x)))

输出：

    date    customer    level1    s2            WIP
0   Jan.10  ABC         East[3]   Normal[1]   TBD[WIP]

Answer 2

几点注意：

• re.match仅在字符串开头搜索匹配项，使用re.search在字符串中的任何位置查找匹配项
• [^[]*\[([^]]*)\]匹配除[之外的零个或多个字符，然后是[，除]之外的零个或多个字符，然后是]和it looks good，但这是一种应该与.str.replace一起使用的模式（见下文）
• 您会遇到'NoneType' object has no attribute 'groups'问题，因为某些标头与您的模式不匹配（请参阅上面的正则表达式演示）

你可以用

import pandas as pd
df = pd.DataFrame([['Jan.10','ABC','East[3]','Normal[1]','TBD[WIP]']], columns=['date','customer','region[level1]','priority[s2]','planning[WIP]'])
df.columns = df.columns.str.replace(r'.*\[([^][]*)].*', r'\1', regex=True)

>>> df
     date customer   level1         s2       WIP
0  Jan.10      ABC  East[3]  Normal[1]  TBD[WIP]

.*\[([^][]*)].*正则表达式匹配

• .*-尽可能多的零个或多个字符（换行字符除外）
• \[-a[字符
• ([^][]*)-第1组：除[和]之外的任何零个或多个字符
• ].*-]字符和行的其余部分

见regex demo

Answer 3

你可以试试str.replace 找到的正则表达式的详细信息here

df = pd.DataFrame(['date','customer','region[level1]','priority[s2]','planning[WIP]'], columns=['col'])

df['col'].str.replace(r'(.*\[)|(\].*)', '', regex=True)

# 0        date
# 1    customer
# 2      level1
# 3          s2
# 4         WIP
# Name: col, dtype: object

更改列名的步骤

df = pd.DataFrame([[1,1,1,1,1]], columns=['date','customer','region[level1]','priority[s2]','planning[WIP]'])
df.columns = df.columns.str.replace(r'(.*\[)|(\].*)', '', regex=True)

#   date    customer    level1  s2  WIP
# 0 1   1   1   1   1