在熊猫系列中保留带有图案的元素而不将它们转换为列表

Posted 2023-03-12

【中文标题】在熊猫系列中保留带有图案的元素而不将它们转换为列表

【英文标题】：Keep elements with pattern in pandas series without converting them to list

【发布时间】：2021-03-05 13:44:46

【问题描述】：

我有以下数据框：

df = pd.DataFrame(["Air type:1, Space kind:2, water", "something, Space blu:3, somethingelse"], columns = ['A'])

我想为每一行创建一个新列，其中包含所有具有“：”的元素。例如，在第一行我想返回“type:1, kind:2”，第二行我想返回“blu:3”。我通过以下方式使用列表理解进行管理：

df['new'] = [[y for y in x  if ":" in y] for x in df['A'].str.split(",")]

但我的问题是新列包含列表元素。

    A                                                       new
0   Air type:1, Space kind:2, water                         [Air type:1, Space kind:2]
1   something at the start:4, Space blu:3, somethingelse    [something at the start:4, Space blu:3]

我没有经常使用 Python，所以我不是 100% 是否缺少更具体的 Pandas 方法来做到这一点。如果有的话，很高兴了解并使用它。 如果这是一种正确的方法，我如何将元素转换回字符串以便对它们进行正则表达式？我试过How to concatenate items in a list to a single string?，但这并没有像我希望的那样工作。

【参考方案1】：

您可以在此处使用pd.Series.str.findall。

df['new'] = df['A'].str.findall('\w+:\w+')

                                 A               new
0            type:1, kind:2, water  [type:1, kind:2]
1  something, blu:3, somethingelse           [blu:3]

编辑：

当有多个单词时，然后尝试

df['new'] = df['A'].str.findall('[^\s,][^:,]+:[^:,]+').str.join(', ')

                                      A                       new
0        Air type:1, Space kind:2, water  Air type:1, Space kind:2
1  something, Space blu:3, somethingelse               Space blu:3

【讨论】：

@User2321 更新了答案。修改了正则表达式模式以避免额外的空间，但可能有比这更好的正则表达式模式。

谢谢。好吧，根据问题和解决方案的规范，正则表达式优化对我来说不是首要任务:)

【参考方案2】：

您可以将findall 与join 一起使用：

import pandas as pd
df = pd.DataFrame(["type:1, kind:2, water", "something, blu:3, somethingelse"], columns = ['A'])
df['new'] = df['A'].str.findall(r'[^\s:,]+:[^\s,]+').str.join(', ')
df['new']
# => 0    type:1, kind:2
# => 1             blu:3

正则表达式匹配

[^\s:,]+ - 除了空格之外的一个或多个字符，: 和 , : - 冒号 [^\s,]+ - 除空格和, 之外的一个或多个字符。

请参阅regex demo。

.str.join(', ') 将所有找到的匹配项与,+空格连接起来。

【讨论】：

谢谢！您将如何处理 : 之前有多个单词的情况。我已经更新了我的代码示例（对于我只是忘记在其中放置一个双字示例造成的混乱表示歉意）

@User2321 Ch3steR 建立在我的模式之上。 r'[^\s:,][^:,]*:[^:,]+' 暂时可以。

新的一天，新的问题：***.com/questions/64981401/…