我需要从 pandas df 中提取子字符串,并将它们放入一个新列中。 我的字符串看起来像:
hj_yu_fb824_as22
jk_yu_fb638
我需要提取:
fb824
fb638
此外,它们的子字符串可以位于数据框的两个独立列中(尽管只出现一次),因为 df 看起来像:
col1 col2
mf_lp_gn817_ml46 d_nb_05340.gif
desktop_300x250_mf mf_lp_fb824_ml46.html
desktop_300x250_mf dd_lp_ig805.html
desktop_728x90_mf mf_lp_fb824_ml46.html
我想得到这样的东西:
col1 col2 col3
mf_lp_gn817_ml46 d_nb_05340.gif gn817
desktop_300x250_mf mf_lp_fb824_ml46.html fb824
desktop_300x250_mf dd_lp_ig805.html ig805
desktop_728x90_mf mf_lp_fb824_ml46.html fb824
所以子字符串看起来像:
1) 两个小写字母开头,后接3位数字 2) 在两个 '' 之间或只有一个 '' 之间,或在 '_' 和 '.' 之间别的东西
我想到了:
\_([^()]*)\_
但它只匹配“_”之间的任何内容,而不管上面描述的模式如何。
此外,将正则表达式应用于 pandas 数据框的效率如何?
这是可重现的数据框:
df = DataFrame({'col1': {0: 'mf_lp_gn817_ml46',
1: 'desktop_300x250_mf',
2: 'desktop_300x250_mf',
3: 'desktop_728x90_mf'},
'col2': {0: 'd_nb_05340.gif ',
1: 'mf_lp_fb824_ml46.html ',
2: 'dd_lp_ig805.html ',
3: 'mf_lp_fb824_ml46.html '},
'col3': {0: 'gn817', 1: 'fb824', 2: 'ig805', 3: 'fb824'}})
最佳答案
可能需要更多输入字符串,但对于上述字符串,您可以使用以下正则表达式:
_([a-z]{2}[0-9]{3})[_.]
# this is an underscore
# followed by exactly 2 letters and 3 digits
# followed by an underscore or a dot
# the whole match is captured to group1
对于您上面的字符串,这将是:
mf_lp_gn817_ml46 d_nb_05340.gif -> gn817
desktop_300x250_mf mf_lp_fb824_ml46.html -> fb824
desktop_300x250_mf dd_lp_ig805.html -> ig805
desktop_728x90_mf mf_lp_fb824_ml46.html -> fb824
Python代码:
要将此应用于您的 DataFrame,请参见以下代码:
import pandas as pd
from pandas import DataFrame
import re
df = DataFrame({'col1': {0: 'mf_lp_gn817_ml46',
1: 'desktop_300x250_mf',
2: 'desktop_300x250_mf',
3: 'desktop_728x90_mf'},
'col2': {0: 'd_nb_05340.gif ',
1: 'mf_lp_fb824_ml46.html ',
2: 'dd_lp_ig805.html ',
3: 'mf_lp_fb824_ml46.html '}})
regex = r'_([a-z]{2}[0-9]{3})[_.]'
for index, row in df.iterrows():
for column in row.keys():
m = re.search(regex, row[column])
if m is not None:
df.ix[index, 'col3'] = m.group(1)
关于python - 匹配 Pandas 中字符和数字的混合,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35315079/