私は4列のデータフレームを持つ正規表現

Question

を使用してデータフレームの列を置き換え、COL4はテキストや数字などの文字列です：

Col1   Col2    Col3   Col4 
Syslog  2016,09,17   1 PD380_003 %LINK-3-UPDOWN 
Syslog  2016,09,17   1 NM380_005 %BGP-5-NBR_RESET 
Syslog  2016,09,14   1 NM380_005 %BGP-5-NBR_RESET 
Syslog  2016,09,08   1 DO NOT TICKET LO380_004 %SYS-5-CONFIG_I Config 

私は、その列の部分文字列を保持し、何かを削除する必要があります私は正規表現を使用し、私は、パターンを作ったが、私は次のクエリの結果は、私が欲しいものではありませんを実行すると、それはパターン自体にすべてを置き換える：

data.replace({'Col4':{'.*':'([A-Z]{2}[0-9]{3}_[0-9]{3})'}},regex=True) 

所望の結果は次のとおりです。

Col1   Col2    Col3   Col4 
Syslog  2016,09,17   1   PD380_003 
Syslog  2016,09,17   1   NM380_005 
Syslog  2016,09,14   1   LO380_004 
Syslog  2016,09,08   1   LO380_004 

しかし、私が得る結果は次のようである：私が間違っているの何

Col1   Col2    Col3   Col4 
Syslog  2016,09,17   1 ([A-Z]{2}[0-9]{3}_[0-9]{3}) 
Syslog  2016,09,17   1 ([A-Z]{2}[0-9]{3}_[0-9]{3}) 
Syslog  2016,09,14   1 ([A-Z]{2}[0-9]{3}_[0-9]{3}) 
Syslog  2016,09,08   1 ([A-Z]{2}[0-9]{3}_[0-9]{3}) 

？

Answer 1

まず、あなたは間違った位置に正規表現の間違ったを持っています。 .replaceへのto_replaceの引数は、置き換えるものと削除するものと一致する必要があります。あなたは試合外の文字列をトリミングしたいので、だから、この場合には、あなたの正規表現の後ろの前で^.*と.*$が必要です

^.*([A-Z]{2}[0-9]{3}_[0-9]{3}).*$ 

Demo

第二に、replace引数、正規表現であれば、キャプチャグループまたは固定ストリングである必要があります。この場合は\1となります。

最後に、.replaceのシリーズフォームは、わかりやすい構文（少なくとも私にとって）を理解することができます。

だから、与えられた：あなたが行うことができます

>>> df 
    Col1  Col2 Col3           Col4 
0 SysLog 2016,09,17  1      PD380_003 %LINK-3-UPDOWN 
1 SysLog 2016,09,17  1      NM380_005 %BGP-5-NBR_RESET 
2 SysLog 2016,09,17  1      NM380_005 %BGP-5-NBR_RESET 
3 SysLog 2016,09,17  1 DO NOT TICKET LO380_004 %SYS-5-CONFIG_I Config 

：

>>> df['Col4'].replace(to_replace='^.*([A-Z]{2}[0-9]{3}_[0-9]{3}).*$', value=r'\1', regex=True) 
0 PD380_003 
1 NM380_005 
2 NM380_005 
3 LO380_004 
Name: Col4, dtype: object 

あなたはまた、位置引数のバージョンが容易であれば使用することができます。

df['Col4'].replace('^.*([A-Z]{2}[0-9]{3}_[0-9]{3}).*$', r'\1', regex=True) 

をしかし、あなたはregex=True以降が必要です置換文字列は静的文字列だけでなく、正規表現として解釈されます。

最後に、元に直接割り当てる：

>>> df['Col4']=df['Col4'].replace('^.*([A-Z]{2}[0-9]{3}_[0-9]{3}).*$', r'\1', regex=True) 
>>> df 
    Col1  Col2 Col3  Col4 
0 SysLog 2016,09,17  1 PD380_003 
1 SysLog 2016,09,17  1 NM380_005 
2 SysLog 2016,09,17  1 NM380_005 
3 SysLog 2016,09,17  1 LO380_004 

Answer 2

私はあなたがextractが必要だと思う：

data.Col4 = data.Col4.str.extract('([A-Z]{2}[0-9]{3}_[0-9]{3})', expand=False) 

print (data) 
    Col1  Col2 Col3  Col4 
0 Syslog 2016,09,17  1 PD380_003 
1 Syslog 2016,09,17  1 NM380_005 
2 Syslog 2016,09,14  1 NM380_005 
3 Syslog 2016,09,08  1 LO380_004 

Answer 3

あなたは間違った方法で正規表現を使用していました。

{'Col4':{'.*':'([A-Z]{2}[0-9]{3}_[0-9]{3})'}}は - 手段がこれを試してみてください'([A-Z]{2}[0-9]{3}_[0-9]{3})'

とCol4欄に何文字列を置換：

In [87]: df.replace({'Col4':{r'.*?([A-Z]{2}[0-9]{3}_[0-9]{3}).*':r'\1'}}, regex=True) 
Out[87]: 
    Col1  Col2 Col3  Col4 
0 Syslog 2016,09,17  1 PD380_003 
1 Syslog 2016,09,17  1 NM380_005 
2 Syslog 2016,09,14  1 NM380_005 
3 Syslog 2016,09,08  1 LO380_004