如何從 pandas 列中提取特定文本

Question

我有一個 pandas dataframe 有一個列，我需要清理它，因為數據沒有必要的格式：

df = pd.DataFrame({'item': ["1","2","3","4","5","6"], 'store': ["a [note 3]","b  [note 98]","c ","a 
[note 222]","b","c"]})
print(df)

item         store
0    1    a [note 3]
1    2  b  [note 98]
2    3            c 
3    4  a [note 222]
4    5             b
5    6             c

列'store'必須像這樣更改：

 item store
0    1     a
1    2     b
2    3     c
3    4     a
4    5     b
5    6     c

Answer 1

按左方括號拆分並在結果列表中選擇第一個索引值。

df['store'] = df.store.str.split('\[').str[0]

Answer 2

您不需要正則表達式。 只需在空間上拆分並取第一個字符。

df['store'] = df['store'].apply(lambda x: x.split()[0])

如果你最終需要正則表達式，你可以使用 extract

df['store'] = df['store'].str.extract('^([a-z])')

如果括號前有多個字符

df['store'] = df['store'].str.extract('^(.+?)(?=\[|$)')