我有一个数据框，其中有一列包含州名称。这些名称是官方缩写、部分拼写和完整州名的混合体。
d = pd.DataFrame(['fla', 'fl', 'del', 'ohio', 'calif', 'ca', 'del', 'texas', 'miss', 'tx', 'new mex'],
columns = ["state"])
这里有一个带有状态缩写和名称的Python字典：https ://code.activestate.com/recipes/577305-python-dictionary-of-us-states-and-territories/
我想查看数据帧d并找到 中的最佳匹配dict并替换 中的值d['state']。我认为我不想使用，replace因为我想替换“整个单词”而不是子字符串。期望的结果：
d = ['fl', 'fl', 'de', 'oh', 'ca', 'ca', 'de', 'tx', 'ms', 'tx', 'nm']
将字典直接加载到我的控制台中并调用它states_dict，我尝试了以下操作（根据此地图将美国州名映射到字典中单独给出的两个字母缩写词）
d['state'] = d['state'].map(states_dict)
nan它为我的数据框中的每个条目生成d.
任何帮助将非常感激。
谢谢。
我有以下数据：
col1
086945159
549615853
589ac2546
GED456231
F56hy8W12
我想查找是否col有非数字值并返回。
col1 col2
086945159 086945159
549615853 549615853
589ac2546 Nan
GED456231 Nan
F56hy8W12 Nan
111111111 Nan
222222222 Nan
我re.search(r'[^0-9]+', str)以前找过。但是，我如何在 in 中使用它，apply()因为如果 incol中的值具有相同的数字，例如11111111and 222222222，则这应该返回Nan.
我正在尝试编写一个与 Python 3 中的 Unicode 小写字符匹配的正则表达式。我正在使用该re库。例如，re.findall(some_pattern, 'u\xe2\x88\x8f\xc3\xb1K\xce\xb8') 应该返回['u', '\xc3\xb1', '\xce\xb8'].
在 Sublime Text 中，我只需键入即可[[:lower:]]找到这些字符。
我知道 Python 可以使用 匹配任何 Unicode 字符re.compile('[^\\W\\d_]')，但我特别需要区分大写和小写。我也知道它re.compile('[a-z]')会匹配任何 ASCII 小写字符，但我的数据是 UTF-8，并且它包含许多非 ASCII 字符\xe2\x80\x94我检查过。
Python 3 中的正则表达式可以实现这一点吗？还是我需要采取替代方法？我知道其他方法可以做到这一点。我只是希望使用正则表达式。
\n与此问题类似：正则表达式：在列表中搜索
但我想返回搜索列表的大小相同的列表，None或''在没有比赛：
import re
mylist = ["dog", "cat", "wildcat", "thundercat", "cow", "hooo"]
r = re.compile(".*cat")
list(filter(r.match, mylist))
# looking for ["", "cat", "wildcat", "thundercat", "", ""]
我尝试删除filter但返回整个列表
也试过
[r.match(x) for x in mylist]
但这会返回：
[None,
<regex.Match object; span=(0, 3), match='cat'>,
<regex.Match object; span=(0, 7), match='wildcat'>,
<regex.Match object; span=(0, 10), match='thundercat'>,
None,
None]
我不知道如何提取字符串
.group(0) 引发错误 None
任何一种方法都有效，优先选择更快/更有效的方法，因为列表会很长
在 Python 中使用正则表达式（库 re（仅）），我想创建一个函数，该函数给出字符串中所有前导 0 的位置。
例如，如果字符串是：我的房子有 01 个花园和 003 个房间。我希望函数返回 13、27 和 28。
我尝试过例如：
import re
string = "My house has 01 garden and 003 rooms."
pattern = "(0+)[1-9]\d*"
print(re.findall(pattern,string))
显然，输出给了我匹配但没有位置......
我有以下列表和 DataFrame：
mylist = ['foo', 'bar', 'baz']
df = pd.DataFrame({'Col1': ['fooThese', 'barWords', 'baz are', 'FOO: not', 'bAr:- needed'],
'Col2': ['Baz:Neither', 'Foo Are', 'barThese', np.nan, 'but this is fine']})
如果在 DataFrame 中找到，我想替换 mylist 中的字符串。我可以使用以下正则表达式模式替换一些：
pat = '|'.join([r'\b{}'.format(w) for w in mylist])
df2 = df.replace(pat, '', regex=True)
但是，这并没有放置所有实例。我想要的输出如下：
Col1 Col2
0 These Neither
1 Words Are
2 are These
3 not NaN
4 needed but this is fine
您好，我需要在每个逗号后的分隔符后删除一个单词。例如，如果列中的第一个索引是
'stack overflow, ask question , keep remove'
（注意，它们都是一蜇）
我需要的输出是，
'stack, ask, keep'
（这是在一个字符串中）
因此保留第一个单词，并删除每个逗号后的其余单词。我使用了 .split 但没有得到结果。这是我的方法，
final_re= [mydf.mycolumn.str.split(' ')[index][0] for index in range(0, len(mydf))]
在这种情况下，它保留第一个单词，这意味着如果输入是
'stack overflow, ask question , keep remove'
我的输出只是
'stack'
但是，我需要输出是
'stack, ask, keep'
我很感激任何建议。
我想将 'E100N05' 拆分为 ['E100', 'N05'] ，因此在数字变成字母 N、E、S 或 W 后进行拆分。字母后面的位数可以不同。
import re
re.split('[NSEW$*]', 'E100N05')
Out[8]: ['', '100', '05']
What I want : ['E100','N05']
我应该使用哪种模式？
我想创建一个字典来拆分分子式的所有元素。我尝试使用 re 模块
Formula="C16H21NO2Na3"
pat = re.compile('(?P<name>[A-Z][a-z]+)\[0-9]+(?P<name2>[0-9]+)')
molecule= pat.findall(Formula)
print (molecule)
我期望这个回报：
{'C': 16, 'H': 21, 'N': '', 'O': 2, 'Na': 3}
以下代码块有效，对我来说似乎相当合法。字符串中有TP两次TP Tutorials Point TP，因此匹配数应为 2。此外，对该列表的迭代也应该有效。
s = 'TP Tutorials Point TP'
out = re.findall(r'TP', s)
assert len(list(out)) == 2
# this loop will print 2 times matched string
for m in out:
print(m)
但这是怎么回事？
s = 'TP Tutorials Point TP'
out = re.finditer(r'TP', s)
# seems OK so far
assert len(list(out)) == 2
# !!! no output here !!!
for m in out:
print(m)
为什么我无法迭代finditer方法的返回输出？在下一篇文章中表明，这finditer也应该有效。我的Python版本：3.8.10