更改dafaframe列中空格后的最后一个单词

Question

我正在处理一个包含计算机名的数据框，我正在尝试匿名化计算机名。这是我正在使用的数据帧的一个示例

df = pd.DataFrame({'id': [1, 2, 3, 4, 5], 'computer_name': [u'LENOVO 09 X32H0GB', u'LENOVO vmhsbpmh613.xyz.biz', u'Dell Inc. PowerEdge R910 XKF2S75', u'HP  ppesfesxb203.corp.123.com', 'IBM SoftLayer 13 L89P4567']})

以下是匿名化的要求

1. 从右侧第一个空格后的右侧拾取第一组字符串。。 例如：“联想vmhsbpmh613.xyz.biz”应该是“vmhsbpmh613.xyz.biz”

2. 从右侧获取第一组字符串（如“vmhsbpmh613.xyz.biz”）后，删除第一个点（.）中的所有字符，这将给出“vmhsbpmh613”，如果没有点（.），则只保留最后一组字符串，请注意，从右侧第一组字符串中仅删除点（.）之后的字符串非常重要，否则，如本例中的“Dell Inc.PowerEdge R910 XKF2S75”，将导致删除Dot“Dell Inc.”之后的所有内容

3. 最后，用xxx替换前3个字符，如xxxsbpmh613

下面是输出的样子

df = pd.DataFrame({'id': [1, 2, 3, 4, 5], 'computer_name': [u'LENOVO 09 xxxH0GB', u'LENOVO xxxsbpmh613', u'Dell Inc. PowerEdge R910 xxx2S75', u'HP  xxxsfesxb203', 'IBM SoftLayer 13 xxxP4567']})

我希望，我能够清楚地表达需求，谢谢

Answer 1

第一个^{}从右侧开始在第一个空格上拆分：

s = df.computer_name.str.rsplit(n=1, expand=True)

#                           0                          1
# 0                 LENOVO 09                    X32H0GB
# 1                    LENOVO        vmhsbpmh613.xyz.biz
# 2  Dell Inc. PowerEdge R910                    XKF2S75
# 3                       HP   ppesfesxb203.corp.123.com
# 4          IBM SoftLayer 13                   L89P4567

然后^{}在第一个点上^{}在前3个字符上xxx：

s[1] = s[1].str.split('.', n=1).str[0].replace(r'^...', 'xxx', regex=True)

#                           0             1
# 0                 LENOVO 09       xxxH0GB
# 1                    LENOVO   xxxsbpmh613
# 2  Dell Inc. PowerEdge R910       xxx2S75
# 3                       HP   xxxsfesxb203
# 4          IBM SoftLayer 13      xxxP4567

并通过重新组合拆分来完成：

df.computer_name = s[0] + ' ' + s[1]

#    id                     computer_name
# 0   1                 LENOVO 09 xxxH0GB
# 1   2                LENOVO xxxsbpmh613
# 2   3  Dell Inc. PowerEdge R910 xxx2S75
# 3   4                  HP  xxxsfesxb203
# 4   5         IBM SoftLayer 13 xxxP4567

Answer 2

^{}

df['computer_name'].str.replace(r'\S{3}(\S+?)(?:\.\S+|$)', r'xxx\1')

---

0                   LENOVO 09 xxxH0GB
1                  LENOVO xxxsbpmh613
2    Dell Inc. PowerEdge R910 xxx2S75
3                    HP  xxxsfesxb203
4           IBM SoftLayer 13 xxxP4567
Name: computer_name, dtype: object

正则表达式详细信息

• \S{3}：与任何非空白字符外部匹配3次
• (\S+?)：捕获组匹配1到无限次之间的任何非空白字符，但匹配次数尽可能少（惰性匹配）
• (?:：非捕获组的开始
• \.：匹配.字符
• \S+：匹配任何非空白字符
• $：断言行末尾的位置
• )：结束非捕获组

见^{}

Answer 3

这听起来像是正则表达式的工作。以下是一些选项：

# select all chars until reaching a period
df['computer_name'].str.extract('([^.]*)')

# alternatively, replace all chars after a period with an empty string (delete it)
df['computer_name'].str.replace('\..*','')

# For your 3rd requirement, select all non space chars at the end of a string and format the result using match groups.
df['computer_name'].str.replace('([^\s]{3})([^\s]*$)', r'xxx\2',)