Python：如何從熊貓數據框列中提取多個字符串

Question

我有一個包含以下格式字符串的特定列的數據集：Building = Building_A and Floor = Floor_4 Building = Building_D and Floor = Floor_2

我只想提取建築物和樓層名稱，並連接成一個字符串/新列。 例如 Building_A/Floor_4 Building_D/Floor_2

我花了大約一個小時瀏覽以前的帖子，但找不到與我正在嘗試做的事情相匹配的內容。 任何幫助，將不勝感激。

Answer 1

假設我們有數據幀df ：

import pandas as pd
df = pd.DataFrame({'txt': ["Building = Building_A and Floor = Floor_4",\
                           "Building = Building_Z and Floor = Floor_9",\
                           "Building = Martello and Floor = Ground"]})

首先定義要提取的模式：

pat = "(Floor_\d+)|(Building_\w{1})"

或者，如果您查找"= "之后的所有單詞：

pat = r"(?<== )(\w+)"

請注意模式定義中的后視(?<=) 。

然后將 lambda 函數應用於列txt ：

df['txt_extract'] = \
df[['txt']].apply(lambda r: "/".join(r.str.extractall(pat).stack()), axis=1)

結果：

0    Building_A/Floor_4
1    Building_Z/Floor_9
2    Martello/Ground

代替str.extract使用str.extractall查找所有出現的模式。 結果搜索堆疊並使用"/"分隔符連接。 請注意，找到的模式的順序被保留，這對您的情況可能很重要。