Pandasのデータフレームを正規表現で文字列の置換

Question

前提・実現したいこと

Pythonでアンケートで記入された大学の施設名の正規化を行なっています。
具体的には，大学以降の記入を無くしたいです．
以下のようなデータフレームに対して，回答施設名を回答施設名正規化したいです．

df

id	回答施設名	回答施設名正規化
1	東京大学工学部	東京大学
2	東京大学理学部	東京大学
3	東京大学　経済学部	東京大学
4	東京大学	東京大学
5	京都大学理学部	京都大学
6	東京理科大学長万部キャンパス	東京理科大学

発生している問題・エラーメッセージ

正規表現を用いると，大学の前の部分の文字列を残す方法が分かりません．

該当のソースコード

df = pd.DataFrame({"id":['1','2','3','4','5','6'],"回答施設名":['東京大学工学部','東京大学理学部','東京大学　経済学部','東京大学','京都大学理学部','東京理科大学長万部キャンパス']})
df['回答施設名正規化'] =df['回答施設名'].replace('.*大学.*', '大学', regex=True)


### 試したこと
df['回答施設名正規化'] =df['回答施設名'].replace('東京大学.*', '東京大学', regex=True)
のように大学を一つ一つ指定していくのは最終手段と考えています．

# お願い
アイデアベースでも良いので参考意見等あればお聞きしたいです！

Answer 1

王道は正規表現の使用ですが、「大学」を区切り文字に見立てる方法もあります。

df['回答施設名正規化']=[x.split('大学')[0]+'大学' for x in df['回答施設名']]

Comments

[kentashx]

なるほど、そういう方法もあるんですね。
勉強になります！

Answer 2

segavvyさんの回答の焼きましですが

import pandas as pd
import re

df = pd.DataFrame({"id":['1','2','3','4','5','6'],"回答施設名":['東京大学工学部','東京大学理学部','東京大学　経済学部','東京大学','京都大学理学部','東京理科大学長万部キャンパス']})
"""
  id           回答施設名
0  1         東京大学工学部
1  2         東京大学理学部
2  3       東京大学　経済学部
3  4            東京大学
4  5         京都大学理学部
5  6  東京理科大学長万部キャンパス
"""

df["回答施設名"].replace(r'(.*大学).*', value=r"\1", inplace=True, regex=True)
"""
  id   回答施設名
0  1    東京大学
1  2    東京大学
2  3    東京大学
3  4    東京大学
4  5    京都大学
5  6  東京理科大学
"""

Answer 3

Pandasの環境が手元にないのでPythonの標準機能での回答になりますが、次のコードが参考になりますでしょうか。

import re
print(re.sub(r'(.*大学).*', r'\1', '東京大学工学部'))

正規表現の後方参照の仕組みを調べてみると良いかと思います。

Comments

[kentashx]

正規表現の後方参照によって、キャプチャーした文字列を置換後文字列で参照することで、実現可能なんですね！
参考にコーティングしたところ実現できました！

[segavvy]

お役に立てたようで良かったです！