[英]Extract substring from a string column python
我有一个像这样的 dataframe:
name link
apple example1.com/dsa/es?id=2812168&width=1200/web/map&resize.html
banana. example2.com/es?id=28132908&width=1220/web/map_resize.html
orange. example3.com/es?id=3209908&width=1120/web&map_resize.html
每个名称的 ID 都隐藏在链接中,链接可能具有不同的结构。 但是,我知道模式是 'id=' + 'what I want' + '&'
我想知道,有没有办法从link
中提取id
并将其放回 dataframe 以获得以下信息:
name link
apple 2812168
banana. 28132908
orange. 3209908
我尝试使用这个:
df['name'] = df['name'].str.extract(r'id=\s*([^\.]*)\s*\\&', expand=False)
但它返回一个全是nan
的列
此外,链接中可能有多个 &
我们可以利用positive lookbehind
和positive lookahead
:
df['link'] = df['link'].str.extract('(?<=id\=)(.*?)(?=\&)')
name link
0 apple 2812168
1 banana. 28132908
2 orange. 3209908
详情:
(?<=id\=)
: 对id=
的正面回顾(.*)
: 一切(?=\&width)
: &width
width 的正向前瞻我认为 Ids 总是数字,所以这有点干净:
df["link"] = df['link'].str.extract(r'id=(\d+)&', expand=False)
print(df)
# name link
#0 apple 2812168
#1 banana 28132908
#2 orange 3209908
让三split
df['link'].str.split('id=').str[1].str.split('&').str[0]
0 2812168
1 28132908
2 3209908
Name: link, dtype: object
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.