Pandas 如何通過正則表達式從列中提取到多行？

Question

我有以下數據：

ID	內容	日期
1	2429（薩赫：MySpezialItem：16.59）	2022-04-12
2	2429（薩赫：項目 13：18.59）（薩赫：這個和那個成本：16.59）	2022-06-12

我想實現以下目標：

ID	數字	價格	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

我試過的

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

Answer 1

您可以將單個正則表達式與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。 如果你想要一個新的 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

正則表達式演示