正则表达式搜索熊猫数据框中的整列

Question

我想提取 B0153R2A9I 从数据框中的一列中的网址。 例如'http://www.example.com/zs/B0153R2A9I'

我在 reddit 组中找到了这段代码 -

import re
search = re.search(r'B[A-Z0-9]{9}', url)
print(search.group(0))

虽然这似乎适用于一个链接，但当我尝试将其应用于这样的列时 -

import re
df['code'] = re.search(r'B[A-Z0-9]{9}', "", df['pro_link'])

df['pro_link'] 列包含所有链接。 df['code'] 是要创建的新列。

我收到此错误 TypeError: 'Series' 对象是可变的，因此它们不能被散列。

Answer 1

你可以使用

df['code'] = df['pro_link'].str.extract(r'/(B[A-Z0-9]{9})$')

请参阅regex demo。 详情：

• / - 一个 / 字符
• ( - 捕获组的开始：
  • B - 一个 B 字符
  • [A-Z0-9]{9} - 九个 ASCII 大写字母或数字
• ) - 捕获组结束（Series.str.extract 必须实际返回任何内容）
• $ - 字符串结束。