使用 str.extract 时，熊猫不会覆盖列字段

Posted 2023-02-21

【中文标题】使用 str.extract 时，熊猫不会覆盖列字段

【英文标题】：pandas don't overwrite column fields when use str.extract

【发布时间】：2020-06-16 08:37:25

【问题描述】：

我有一个如下所示的数据框：

11100501   bank name CTA CTE 014097729
11200502   AHORROS bank name 0550470100002042

我想根据大小写在新列中提取“CTA CTE”或“AHORROS”。

我正在尝试这个：

df['new_column'] = df['new_column'].str.extract(r'(CTA CTE)')
df['new_column'] = df['new_column'].str.extract(r'(AHORROS)')

但第二行代码将已经分配了所需“CTA CTE”的字段覆盖为“nan”

我可以通过行的迭代来做到这一点，但我正在寻找一种更熊猫和更有效的解决方案

【问题讨论】：

尝试在您的 str 提取中使用 OR 语句，该语句用管道 df['new_column'].str.extract(r'(CTA CTE)|'(AHORROS)) 表示

【参考方案1】：

假设你每行只能有这两个之一：

df['new_column'] = df['new_column'].str.replace(r'.*((AHORROS)|(CTA CTE))|(.*).*', r'\1', regex=True)

输出：

#original:
          x           new_column                 y
0  11100501    bank name CTA CTE         014097729
1  11200502    AHORROS bank name  0550470100002042
2        23  something something              4678

#after replacement:
          x new_column                 y
0  11100501    CTA CTE         014097729
1  11200502    AHORROS  0550470100002042
2        23                         4678

【讨论】：

Grzegorz Skibinski，这似乎可行，但我有其他行没有“AHORROS”或“CTA CTE”，我想在这种情况下将新列创建为空值或 nan 值。有什么建议吗？另外，如果您能向我解释 r'\1' 参数的含义，那就太好了！谢谢

调整了我的答案 - r'\1' 是表示“让我第 1 组”的正则表达式 - 组用方括号表示，它们通常从左到右迭代，从从最外到最内（您可以尝试使用 python 的re 来更好地掌握正则表达式）