python - 从数据框中提取字符串

Question

from pandas import DataFrame,Series
import pandas as pd
df
text                                                 region
The Five College Region                           The Five College Region
South Hadley (Mount Holyoke College)              South Hadley
Waltham (Bentley University), (Brandeis Univer..) Waltham

该区域应从文本中提取。 如果该行包含“(”，则删除“(”后面的所有内容，然后删除空格。 如果该行不包含“(”，则保留它并复制到该区域。 我知道我可以用 str.extract 函数来处理它。但我在编写正确的正则表达式模式时遇到了麻烦

df['Region']  =df['text'].str.extract(r'(.+)\(.*')

此正则表达式模式无法提取第一个字符串 我也承认使用 split 函数可以解决这个问题

str.split('(')[0]

但我不知道如何将结果放入列中。 希望收到涵盖这两种方法的答案。

Answer 1

选项 1
分配 + str.split

df.text.str.split('\s*\(').str[0]

0    The Five College Region
1               South Hadley
2                    Waltham
Name: text, dtype: object

<小时/>

df.assign(region=df.text.str.split('\s*\(').str[0])

                                                text                   region
0                            The Five College Region  The Five College Region
1               South Hadley (Mount Holyoke College)             South Hadley
2  Waltham (Bentley University), (Brandeis Univer..)                  Waltham

选项 2
join + str.extract

df.text.str.extract('(?P<region>[^\(]+)\s*\(*', expand=False)

0    The Five College Region
1               South Hadley
2                    Waltham
Name: text, dtype: object

<小时/>

df.join(df.text.str.extract('(?P<region>[^\(]+)\s*\(*', expand=False))

                                                text                   region
0                            The Five College Region  The Five College Region
1               South Hadley (Mount Holyoke College)             South Hadley
2  Waltham (Bentley University), (Brandeis Univer..)                  Waltham