Pandas 如何通过正则表达式从列中提取到多行？

Question

我有以下数据：

ID	内容	日期
1	2429（萨赫：MySpezialItem：16.59）	2022-04-12
2	2429（萨赫：项目 13：18.59）（萨赫：这个和那个成本：16.59）	2022-06-12

我想实现以下目标：

ID	数字	价格	日期
1	2429		2022-04-12
1		16.59	2022-04-12
2	2429		2022-06-12
2		18.59	2022-06-12
2		16.59	2022-06-12

我试过的

df['sach'] = df['content'].str.split(r'\(sach:.*\)').explode('content')
df['content'] = df['content'].str.replace(r'\(sach:.*\)','', regex=True)

Answer 1

您可以将单个正则表达式与str.extractall一起使用：

regex = r'(?P<number>\d+)\(|:(?P<price>\d+(?:\.\d+)?)\)'

df = df.join(df.pop('content').str.extractall(regex).droplevel(1))

注意。 如果你想要一个新的 DataFrame，不要pop ：

df2 = (df.drop(columns='content')
         .join(df['content'].str.extractall(regex).droplevel(1))
       )

output：

   ID        date number  price
0   1  2022-04-12   2429    NaN
0   1  2022-04-12    NaN  16.59
1   2  2022-06-12   2429    NaN
1   2  2022-06-12    NaN  18.59
1   2  2022-06-12    NaN  16.59

正则表达式演示