python - 如何在数据框中查找其间带有下划线文本的字符串

Question

在数据框中，我的 Ex 值如下:

Rhymes(column name)
Johny johny.yes_papa eating
sugar
No papa.open_mouth_ha ha ha

输出应该是所有带有下划线的字符串的列表，例如:

yes_papa,
open_mouth_ha

我正在尝试使用以下代码，但我只在数据框中获取列名称:

df[df["Rhymes"].str.contains("_&_&_",na =False)]

我应该使用正则表达式来获得精确匹配

Answer 1

方法pd.Series.str.contains返回一个 bool 系列，它不返回您想要的字符串。

您可以使用带有 str.split 的自定义函数，将其应用于您的系列，删除空值并转换回数据帧:

df = pd.DataFrame({'Rhymes': ['Johny johny.yes_papa eating', 'sugar',
                              'No papa.open_mouth_ha ha ha']})

def get_underscores(x):
    return next((i for i in x.replace('.',' ').split() if '_' in i), None)

res = df['Rhymes'].apply(get_underscores).dropna().to_frame()

print(res)

          Rhymes
0       yes_papa
2  open_mouth_ha