从Pandas数据帧列中查找所有正则表达式匹配项。

Question

从Pandas数据帧列中查找所有正则表达式匹配项。

7

我可以帮您进行翻译。以下是需要翻译的内容：

我正在尝试从数据框中提取一些数据，但是下面的查询语句只会提取第一个匹配项并忽略其余的匹配项。例如，如果整个数据如下：

df['value']=
           0   123 blah blah blah, 456 blah blah blah, 129kfj blah blah
           1   237 blah blah blah, 438 blah blah blah, 365kfj blah blah 
           ...

而且正则表达式是：

df['newCol']=df['value'].str.extract("[0-9]{3}")

我希望结果是一个名为"newCol"的新列，如下所示：

newCol
------
123,456,129
237,438,365
...

但我实际得到的结果只有第一个数字。

newCol
------
123
237

这里出了什么问题？:(

谢谢

更新：

感谢MaxU，我找到了解决方案，只有几个建议。我的Pandas版本是0.18.1，所以extractall对我无效，直到我将pandas更新到0.19，因此请记住检查您的pandas版本是否与Extractall存在问题...其次，apply（',' .join）对我无效，因为我有一些非字符串值（Null值），它无法处理，所以我使用了Lambda，并且最终在MaxU解决方案的小修改下成功了。

x['value'].str.extractall(r'(\d{3})').unstack().apply(lambda x:','.join(x.dropna()), axis=1)

- faranak777

extract 仅返回第一个匹配项。您需要extractall。请参见MaxU的回答。 - Moses Koledoye

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- MaxU - stand with Ukraine · Accepted Answer

你可以使用 Series.str.extractall() 方法：

In [57]: x
Out[57]:
                                                    value
0  123 blah blah blah 456 blah blah blah 129kfj blah blah
1  237 blah blah blah 438 blah blah blah 365kfj blah blah

In [58]: x['newCol'] = x['value'].str.extractall(r'(\d{3})').unstack().apply(','.join, 1)

In [59]: x
Out[59]:
                                                    value       newCol
0  123 blah blah blah 456 blah blah blah 129kfj blah blah  123,456,129
1  237 blah blah blah 438 blah blah blah 365kfj blah blah  237,438,365

更新：

In [77]: x
Out[77]:
                                                      value
0  123 blah blah blah, 456 blah blah blah, 129kfj blah blah
1  237 blah blah blah, 438 blah blah blah, 365kfj blah blah

In [78]: x['value'].str.extractall(r'(\d{3})').unstack().apply(','.join, 1)
Out[78]:
0    123,456,129
1    237,438,365
dtype: object