从 dataframe 中的列中提取特定文本

Question

我有以下 dataframe 并且我正在尝试提取具有 ABC 后跟数字的字符串。

描述
ABC12345679 132465
测试ABC12346548
测试ABC1231321 4645

我努力了：

data['extract'] = 'ABC'+data['Description'].str.split('ABC').str[1]

但是它给了我在 ABC* 之后有更多文本的情况下会发生什么，如下所示：

描述
ABC12345679 132465
ABC12346548
ABC1231321 4645

我需要该列仅包含以下数据：

描述
ABC12345679
ABC12346548
ABC1231321

对此有任何帮助吗？

Answer 1

我不是这方面的专家，但在我的脑海中，您可以进一步split(' ')以摆脱 rest。

df['extract'] = 'ABC' + df['Description'].str.split('ABC').str[1].str.split(' ').str[0]

Output：

            Description      extract
0    ABC12345679 132465  ABC12345679
1      Test ABC12346548  ABC12346548
2  Test ABC1231321 4645   ABC1231321

Answer 2

我们可以使用正则表达式来提取字符串的必要部分。
在这里，我们正在检查至少一个 [AC] 和 0 个或更多 [0-9]

data['extract'] = data.Description.str.extract(r'([A-C]+[0-9]*)')

或（根据需要）

data['extract'] = data.Description.str.extract(r'([A-C]+[0-9]+)')

Output

    Description             extract
0   ABC12345679 132465      ABC12345679
1   Test ABC12346548        ABC12346548
2   Test ABC1231321 4645    ABC1231321