如何在python中使用正则表达式在字符串之间选择值并放置在数据框的列中

Posted 2023-02-23

【中文标题】如何在python中使用正则表达式在字符串之间选择值并放置在数据框的列中

【英文标题】：How to select values in between strings and place in column of dataframe using regex in python

【发布时间】：2016-11-08 18:00:39

【问题描述】：

我有一个大型数据框，其中包含一个标题为“评论”的列

在评论部分，我需要提取 3 个值并放入单独的列中，即（占空比、气体和压力）

“工作周期的数据收集开始：0，气体：真空压力：0.000028托”

目前我正在使用 .split 和 .tolist 来解析字符串 ->

#split string and sort into columns 
df1 = pd.DataFrame(eventsDf.comment.str.split().tolist(),columns="0 0 0 0 0 0 dutyCycle 0 Gas 0 Pressure 0 ".split())

#join dataFrames
eventsDf = pd.concat([eventsDf, df1], axis=1)

#drop columns not needed
eventsDf.drop(['comment','0',],axis=1,inplace=True)

我发现这种方法相当“hacky”，因为如果评论部分的结构发生更改，我的代码将毫无用处......谁能告诉我一个更有效/更强大的方法来做到这一点？非常感谢！

【参考方案1】：

将str.extract 与正则表达式一起使用。

regex = r'Duty Cycle: (?P<Duty_Cycle>\d+), Gas: (?P<Gas>\w+) Pressure: (?P<Pressure>\S+) Torr'
df1 = eventsDf.comment.str.extract(regex, expand=True)
df1