Python 特定字符串替换

问题

在使用python进行数据处理时，有些数据格式在导入时存在问题，一些数据处理工具（如numpy.loadtxt）没有能力进行处理，这时就需要对数据进行预处理，生成满足工具要求的数据。例如下面这种类型的数据：

1,0,3,"Braund, Mr. Owen Harris",male,22,1,0,A/5 21171,7.25,,S

需要用逗号（，）分隔数据项，但是数据项中包含了逗号，数据处理工具会将字符串中的逗号也当成数据项分隔符进行分隔，导致一个数据项被解析成2个数据项，且不包含逗号的字符串仍然会被解析成1个少数据项，这样就乱套了。

解决

这个字符串中的逗号对数据处理结果没有影响，可将逗号替换为其他符号，如分号（；）。

但直接替换不能解决，因为字符串外面的逗号需要保留，只是需要替换字符串或引号中的逗号。

一个解决的办法是通过正则表达式匹配包含逗号的字符串，然后提取非逗号部分，再拼接

import re
with open('tan.csv','r') as f1:
    list1=f1.readlines()
f1.close()

#取一行进行测试，0行为标题行
s = list1[1]

#输出原始数据行
print("s:\n{}".format(s))

#使用正则表达式替换
s2=re.sub(r'(".*),(.*")',r'\1;\2', s)

#输出处理后的数据行
print("s2:\n{}".format(s2))

结果如下:

s:
1,0,3,"Braund, Mr. Owen Harris",male,22,1,0,A/5 21171,7.25,,S

s2:
1,0,3,"Braund; Mr. Owen Harris",male,22,1,0,A/5 21171,7.25,,S

可通过循环替换后，再写入到新的csv文件，预处理就做好了，就可以用numpy工具来处理新生成的文件了。

注：预处理实际要更复杂，比如某些数据项缺少值，在使用numpy导入时仍然会报错，需要有更完善的预处理机制。或者使用pandas 等功能更强大的少数据导入、处理工具。

var code = "8f7a25fc-1c5b-4429-a4f2-234c753af034"