Python使用正则表达式在pandas列中提取字符串的一部分

Question

我有一个名为“ Raw”的pandas df列，其格式不一致。 它包含的字符串如下所示：

'(1T XXX, Europe)'
'(2T YYYY, Latin America)'
'(3T ZZ/ZZZZ, Europe)'
'(4T XXX XXX, Africa)'

“原始”（Raw）字符串中唯一一致的地方是，它们以数字开头，中间包含逗号，后跟空格，并且还包含括号。

现在，我想在数据框中创建两个额外的列（“模型”和“区域”）：

• “模型”将包含字符串的开头，即第一个括号和逗号之间的所有内容
• “区域”将包含字符串的末尾，即逗号后的空格和最后的括号之间的所有内容

我该如何使用正则表达式呢？

Answer 1

由于只有一个逗号，并且所有内容都在括号之间，因此，在适当切片后，请使用.str.split()代替：

model_region = df.Raw.str[1:-1].str.split(', ', expand = True)

但是，如果您坚持：

model_region = df.Raw.str.extract('\((.*), (.*)\)', expand = True)

然后

df['Model'] = model_region[0]
df['Region'] = model_region[1]

Answer 2

试试这个： \\(([^,]*), ([^)]*)\\)

参见： https : //regex101.com/r/fCetWg/1

Answer 3

import re

s = '(3T ZZ/ZZZZ, Europe)'
m=re.search(r'\((.*), (.*)\)',s)
print(m.groups())

Answer 4

Model=re.findall(r"(?<=\().+(?=\,)",s)
Region=re.findall(r"(?<=\, ).+(?=\))",s)

第一个正则表达式检查模型前面的括号“（”，然后关闭“，”。第二个正则表达式检查“，”和“）”之间的任何字符串。

Answer 5

string_list = ['(1T XXX, Europe)',
'(2T YYYY, Latin America)',
'(3T ZZ/ZZZZ, Europe)',
'(4T XXX XXX, Africa)']
df = pd.DataFrame(string_list)
df = df[0].str.extract("\(([^,]*), ([^)]*)\)", expand=False)

Answer 6

如果逗号是字符串部分的可靠分隔符，则不需要regexp。 如果df是您的数据帧：

df['Model'] = [x.split(',')[0].replace('(', '') for x in df['Raw']]
df['Region'] = [x.split(',')[1].replace(')', '') for x in df['Raw']]

如果您想使用regexp，它将类似于：

s = '(1T XXX, Europe)'
m = re.match('\(([\w\s]+),([\w\s]+)\)', s)
model = m.group(1)
region = m.group(2)