Pandas DataFrame - 在两个字符串之间提取字符串并包含第一个分隔符

Posted 2023-03-12

【中文标题】Pandas DataFrame - 在两个字符串之间提取字符串并包含第一个分隔符

【英文标题】：Pandas DataFrame - Extract string between two strings and include the first delimiter

【发布时间】：2020-05-20 15:42:39

【问题描述】：

我在数据框的列中有以下字符串：

"LOCATION: FILE-ABC.txt"
"DRAFT-1-FILENAME-ADBCD.txt"

我想提取单词 FILE 和“.”之间的所有内容。但我想包括第一个分隔符。基本上我试图返回以下结果：

"FILE-ABC"
"FILENAME-ABCD"

为此，我使用以下脚本：

df['field'] = df.string_value.str.extract('FILE/(.w+)')

但我无法返回所需的信息（总是得到 NA）。

我该怎么做？

【问题讨论】：

您确定所有字段都将以.txt 结尾吗？

嗨@Celius，是的所有值都以.txt结尾

那个数据格式有点奇怪，DataFrame真的是这个的正确选择吗？

如果你只有上面的两个字符串，你可以这样做，但我假设你正在寻找更通用的东西：“LOCATION: FILE-ABC.txt”.strip( "位置").strip(".txt")

第二个字符串不行

【参考方案1】：

您可以在正则表达式中完成这一切，而无需使用字符串切片。

df['field'] = df.string_value.str.extract('(FILE.*(?=.txt))')

FILE 是我们开始匹配的文件 .* 抓取任意数量的字符 (?=) 是一个先行断言，匹配没有 消费。

方便的正则表达式工具https://pythex.org/

【讨论】：

感谢pythex.org的介绍

【参考方案2】：

如果字符串总是以.txt 结尾，那么您可以尝试以下方法：

df['field'] = df['string_value'].str.extract('(FILE.*)')[0].str[:-4]

例子：

import pandas as pd
text = ["LOCATION: FILE-ABC.txt","DRAFT-1-FILENAME-ADBCD.txt"]
data = 'index':[0,1],'string_value':text
df = pd.DataFrame(data)
df['field'] = df['string_value'].str.extract('(FILE.*)')[0].str[:-4]

输出：

   index                string_value           field
0      0      LOCATION: FILE-ABC.txt        FILE-ABC
1      1  DRAFT-1-FILENAME-ADBCD.txt  FILENAME-ADBCD

【讨论】：

感谢您的编辑 ALollz 我删除了我的答案，直到我解决了这个问题：P

【参考方案3】：

您可以创建一个捕获组，从（包括）'FILE' 贪婪地捕获到最后一个周期。或者你可以让它不贪婪，让它在 FILE 之后的第一个 . 处停止。

import pandas as pd
df = pd.DataFrame('string_value': ["LOCATION: FILE-ABC.txt", "DRAFT-1-FILENAME-ADBCD.txt",
                                    "BADFILENAME.foo.txt"])

df['field_greedy'] = df['string_value'].str.extract('(FILE.*)\.')
df['field_not_greedy'] = df['string_value'].str.extract('(FILE.*?)\.')

---

print(df)
                 string_value    field_greedy field_not_greedy
0      LOCATION: FILE-ABC.txt        FILE-ABC         FILE-ABC
1  DRAFT-1-FILENAME-ADBCD.txt  FILENAME-ADBCD   FILENAME-ADBCD
2         BADFILENAME.foo.txt    FILENAME.foo         FILENAME