查找和替换数据框中的半常见字符串？答案

【问题标题】：Find and replace semi-common strings in dataframe?查找和替换数据框中的半常见字符串？
【发布时间】：2019-08-29 19:25:15
【问题描述】：

我正在尝试查找一个半常见的字符串并删除该列中的所有其他数据。 Pandas 和 Re 已导入。例如，我有数据框...

>>>df
COLUMN COUNT   DATA
           1   this row RA-123: data 8b43a
           2   here RA-5372: data 94h63c

我只需要保留 RA-“后面的编号”并删除之前和之后的所有内容。后面的数字并不总是相同的长度，“RA-”字符串并不总是出现在相同的位置。每个实例后面都有一个冒号，可以用作分隔符。

我试过这个（一个朋友为我写了正则表达式搜索，因为我不熟悉它）。

df.assign(DATA= df['DATA'].str.extract(re.search('RA[^:]+')))

但是python返回了

TypeError: search() missing 1 required positional argument: 'string'

我在这里缺少什么？提前致谢！

【问题讨论】：

【解决方案1】：

正如我之前提到的，这里不需要re。

其他答案很好地解决了如何直接使用extract。但是，要具体回答您，如果您真的想使用re，则可以使用re.compile 而不是re.search。

df.assign(DATA= df['DATA'].str.extract(re.compile(regex_str)))

【讨论】：

【解决方案2】：

您应该使用带有提取的捕获组：

df['DATA'].str.extract(r'(RA-\d+)')

这里，(RA-\d+) 是一个匹配 RA 的捕获组，然后是一个连字符，然后是一个或多个数字。

您可以使用自己的模式，但仍需要使用捕获括号将其包装起来，r'(RA[^:]+)'。

【讨论】：

Wiktor，这很好用，这是一个很好的解释。谢谢你。你有没有机会知道我将如何声明一个在标题中有空格的列名（IE：'RA ID'）来代替 df.assign 之后的参数？（当前为“DATA=”）
您可以使用我在回答中的方式。 df['RA ID'] = df['DATA'].str.extract(r'(RA-\d+)')
是的，如果您只想将结果分配给新列，请使用df['RA ID'] = df['DATA'].str.extract(r'(RA-\d+)', expand=False) 甚至df['RA ID'] = df['DATA'].str.extract(r'(RA-\d+)', expand=False).fillna('')

【解决方案3】：

查看docs，您不需要re.search 方法。你只需拨打df[DATA] = df['DATA'].str.extract(r'RA[^:]+'))

【讨论】：