通过正则表达式将熊猫列替换为自身的一个子集

Posted 2023-03-12

【中文标题】通过正则表达式将熊猫列替换为自身的一个子集

【英文标题】：Replacing pandas column with a subset of itself through regex

【发布时间】：2015-07-17 10:42:58

【问题描述】：

我有以下格式的数据流：

from StringIO import StringIO
data ="""\
ANI/IP
sip:5554447777@10.94.2.15
sip:10.66.7.34@6665554444
sip:3337775555@10.94.2.11
"""
import pandas as pd
df = pd.read_table(StringIO(data),sep='\s+',dtype='str') 

我想做的是将列内容替换为上面字符串的电话号码部分。我尝试了来自thread 的建议，如下所示：

df['ANI/IP'] = df['ANI/IP'].str.replace(r'\d10', '').astype('str')
print(df)

但是，这会导致：

.....print(df)
            ANI/IP
0  sip:@10.94.2.15
1  sip:@10.66.7.34
2  sip:@10.94.2.11

我需要电话号码，那么我该如何实现呢？ ：

  ANI/IP
0 5554447777
1 6665554444
2 3337775555

【参考方案1】：

正则表达式 \d10 搜索精确为 10 个字符长的数字子串。

df['ANI/IP'] = df['ANI/IP'].str.replace(r'\d10', '').astype('str')

这会删除数字！注意：你不应该做 astype str （它不是必需的，并且在 pandas 中没有 str dtype）。

你想extract这些电话号码：

In [11]: df["ANI/IP"].str.extract(r'(\d10)')  # before overwriting!
Out[11]:
0    5554447777
1    6665554444
2    3337775555
Name: ANI/IP, dtype: object

将此设置为另一列，然后您就离开了：

In [12]: df["phone_number"] = df["ANI/IP"].str.extract(r'(\d10)')

【讨论】：

这和往常一样快 =)

谢谢@Andy Hayden。我的 Python 基础显然很薄弱！从 SAS/R 切换到 Python 已经一个月了！

我更喜欢打字70s style

【参考方案2】：

你可以使用pandas.core.strings.StringMethods.extract来提取

In [10]: df['ANI/IP'].str.extract("(\d10)")
Out[10]:
0    5554447777
1    6665554444
2    3337775555
Name: ANI/IP, dtype: object