本文介绍如何利用Pandas的str.replace()配合正则表达式，精准删除字符串末尾最后一个连字符（-）及之后的所有字符，而保留中间的连字符不变，适用于ID清洗、命名标准化等数据预处理场景。
本文介绍如何利用pandas的`str.replace()`配合正则表达式，精准删除字符串末尾最后一个连字符（`-`）及之后的所有字符，而保留中间的连字符不变，适用于id清洗、命名标准化等数据预处理场景。
在实际数据处理中，常遇到类似 FUHV2-DEN 或 FUHV2-FOO-DEN 这类含多个连字符的字符串，需求是仅移除最后一个连字符及其右侧全部内容（即“后缀”），而非所有连字符后的部分。例如：
- FUHV2-DEN → FUHV2
- FUHV2-FOO-DEN → FUHV2-FOO
- FUH07V2NUM（无连字符）→ 保持原样
此时，使用 str.split('-').str[:-1].str.join('-') 虽然看似直观，但存在明显缺陷：它会将整个字符串按所有 - 拆分，再丢弃最后一段，错误地破坏了中间本应保留的连字符结构（如 FUHV2-FOO-DEN 会被误处理为 FUHV2-FOO ✅，但若原始字符串为 A-B-C-D，该方法结果为 A-B-C ✅；看似可行，实则隐含风险——当字段为空或仅含 - 时易报错，且逻辑不够健壮）。
✅ 推荐方案是使用正则表达式精准匹配末尾模式：
df['out'] = df['ID'].str.replace(r'-[^-]*$', '', regex=True)
正则解析：
- - ：匹配字面量连字符；
- [^-]* ：匹配零个或多个非连字符字符（即直到行尾前不出现 - 的内容）；
- $ ：锚定到字符串末尾；
- 整体 r'-[^-]*$' 表示「末尾处的一个连字符及其后所有非连字符」，确保只删除最后一个连字符片段。
? 注意事项：
- 必须显式传入 regex=True（Pandas 2.0+ 默认启用，但为兼容性建议保留）；
- 该操作对空值（NaN）自动跳过，无需额外 fillna()；
- 若需原地修改列，可写作 df['ID'] = df['ID'].str.replace(...)；
- 如需保留原始列并新增清洗列，推荐使用新列名（如 'ID_clean'）避免混淆。
完整示例：
import pandas as pd
df = pd.DataFrame({
'Name1': ['FUH-V2', 'FUH-V2', 'FUH-V2', 'FUH-V2'],
'ID': ['FUH07V2NUM', 'FUHV2-DEN', 'FUH30V2NUM', 'FUHV2-FOO-DEN']
})
df['ID_clean'] = df['ID'].str.replace(r'-[^-]*$', '', regex=True)
print(df)
输出：
Name1 ID ID_clean 0 FUH-V2 FUH07V2NUM FUH07V2NUM 1 FUH-V2 FUHV2-DEN FUHV2 2 FUH-V2 FUH30V2NUM FUH30V2NUM 3 FUH-V2 FUHV2-FOO-DEN FUHV2-FOO
此方法简洁、高效、可读性强，是处理“末尾连字符截断”类任务的标准实践。
