了解熊猫系列提取函数中的正则表达式

Posted 2023-03-12

【中文标题】了解熊猫系列提取函数中的正则表达式

【英文标题】：Understanding a regular expression in a series extract function in pandas

【发布时间】：2019-08-14 09:06:05

【问题描述】：

我有以下代码：

import pandas as pd
s = pd.Series(['toy story (1995)', 'the pirates (2014)'])
print(s.str.extract('.*\((.*)\).*',expand = True))

有输出：

     0
0  1995
1  2014

我了解 extract 函数正在为两个系列对象提取括号之间的值。但是我不明白怎么做。 '.*\((.*)\).*' 到底是什么意思？我认为星号代表通配符，但除此之外，我对这个表达式的实际情况感到非常困惑。

【参考方案1】：

.*\( 匹配直到第一个 ( 之前的所有内容

\).* 匹配从 ) 到结尾的所有内容

(.*) 返回前两个匹配项之间的所有内容

【参考方案2】：

.*             Match any number of characters
\(             Match one opening parenthesis
    (.*)       Match any number of characters into the first capturing group
\)             Match a closing parenthesis
.*             Match any number of characters

这种表示法称为正则表达式，我猜 Pandas 在extract 函数中使用了正则表达式，因此您可以获得更精确的数据。捕获组内的东西将被返回。

您可以在Wikipedia page 了解更多关于正则表达式的信息。

这是a test example 使用您的正则表达式。