过滤包含列表的数据框中的列答案

【问题标题】：Filtering a column in data frame which contains a list过滤包含列表的数据框中的列
【发布时间】：2018-12-20 06:36:08
【问题描述】：

我有一个数据框，其中一列包含列表。我正在尝试使用正则表达式过滤此列，但我得到的只是空数据框。

                            Source                    Length
0              [the sub-study process is over., EEE]       2
1  [Optional Pharma (DNA Research), Sub-Study inf...       2
2       [Sub-study ............................  41]       1

我正在尝试过滤列表中“源列”在字符串末尾包含“(.*?)”的行（例如：1 [Optional Pharma (DNA Research), Sub-Study inf ... 2：此行在列表中第一个值的末尾有（DNA Research））使用下面的代码。

print(file_df.filter( regex=r'\(.*?\)\Z',axis=0))

输出是

Empty DataFrame
Columns: [ Source, Length]
Index: []

然后我尝试了这个，

print(file_df[file_df.Source.str.match('\(.*?\)\Z')])

为此我得到了

KeyError: '[nan  nan] not in index'

谁能指出我的代码哪里出错了。

添加我的代码：

def sentence_process(file_df):
  print(file_df.loc[file_df['Source'].str.contains(r'^[^,]*\([^()]*\)',regex= True)])

【问题讨论】：

试试r'^[^,]*\([^()]*\)'。 \Z 模式匹配 Python re 中字符串的末尾。
那么，你试过file_df['Source'].str.contains(r'^[^,]*\([^()]*\)')吗？或者类似的东西？
@WiktorStribiżew：我试过你的方法 file_df['Source'].str.contains(r'^[^,]*([^()]*)') 但我得到 NAN输出..
但是，如果我使用单个字符串尝试它会很好，但是当我使用数据框尝试它时，我会得到 NAN 值
试试file_df[file_df['Source'].str.contains(r'^[^,]*\([^()]*\)')]

标签： python regex dataframe filter

【解决方案1】：

试试这个：

import re

for Index, Row in DF.iterrows():
    if any(re.findall('\(.+\)$', Item) for Item in file_df['Source'][Index]):
        print (Row)

你会得到输出：

Source    [Optional Pharma (DNA Research), Sub-Study inf]
Length                                                  2
Name: 1, dtype: object

【讨论】：