Python - 正则表达式将数据框中的一列拆分为 2 [重复]

Posted 2023-03-12

【中文标题】Python - 正则表达式将数据框中的一列拆分为 2 [重复]

【英文标题】：Python - regex to split a column in 2 in a dataframe [duplicate]

【发布时间】：2021-01-19 13:03:37

【问题描述】：

我在数据框中有一列，其中包含诸如“Boris”之类的字符串，以及其他在括号之间带有额外文本的列，例如“Igor (king)”。 我只想得到一个包含 Boris / Igor / ... 的专栏（括号之间的所有内容都已删除）。 我试过这个

pattern = '(^[\w]*)(?:[w]* \()'
Test =df['column'].str.extract(pattern)

我只返回了带有括号的额外文本的名称：我得到 NaN / Igor /Nan

一些帮助？

【问题讨论】：

请使用 DataFrame 中的一些示例行更新问题，以便我们调试正则表达式。

将 re.sub 与 \([^()]+\) 一起使用或使用 (^\w+) \([^()]+\) 并替换为组 1 regex101.com/r/7cZq00/1

【参考方案1】：

df = pd.DataFrame('name': ['Boris', 'Igor (King)', "Jack (prince of Persia)"])
df['name'] = df['name'].apply(lambda x: re.sub(r"\(.*\)", "", x).strip())

输出：

    name
0   Boris
1   Igor
2   Jack

【讨论】：

谢谢穆吉加。我仍然对像“杰克（波斯王子）”这样的蜇伤感到不满：什么都没有被替换。我还有“杰克（波斯王子）”

可能会替换其间的所有内容，包括()。更新了答案

【参考方案2】：

如果要保留第一个单词并删除括号之间的以下内容，则必须扩展模式以匹配到右括号。

您可以使用 str.replace 并在替换中使用捕获组 1。

^(\w+) \([^()]+\)

说明

^ 字符串开始 (\w+) 捕获

组 1

，匹配 1+ 个单词字符后跟一个空格，或者使用 \s+ 代替匹配 1+ 个空格字符 \([^()]+\) 从( 到) 使用negated character class 匹配除( 或) 之外的任何字符

Regex demo

例如

df = pd.DataFrame('column': ['Boris', 'Igor (King)', 'Jack (prince of Persia)'])
df =df['column'].str.replace(r"^(\w+) \([^()]+\)", r"\1")
print(df)

输出

0    Boris
1     Igor
2     Jack