使用 str.extract 方法匹配 Pandas 中的子字符串答案

【问题标题】：Match a substring in Pandas wit str.extract method使用 str.extract 方法匹配 Pandas 中的子字符串
【发布时间】：2017-02-20 23:30:05
【问题描述】：

我有一个看起来像这样的字符串：

29818-218705-61709-2

我想提取两个破折号之间倒数第二个数字

每个字符串都包含在一个熊猫系列中：

我想出了：

df.id.str.extract(r'[.-]([0-9]{5})[.-]?')

但它会提取前 5 位数字组。

我可以匹配我想要的吗？

【问题讨论】：

标签： python regex string pandas

【解决方案1】：

你可以使用

[.-]([0-9]{5})[.-][0-9]+$

见this regex demo

详情：

[.-] - . 或 - 分隔符
([0-9]{5}) - 第 1 组捕获 5 位数字
[.-] - 又是一个分隔符
[0-9]+ -1+ 位
$ - 字符串结束。

感谢$ 锚点，匹配最后的数字组。

另一种方法是利用回溯：

^.*[.-]([0-9]{5})[.-]

见this demo

^.* 将尽可能多地匹配字符串开头除换行符以外的任何 0+ 字符，因此匹配最后一个 -|.+5 digits+-|.。

【讨论】：

很高兴它对你有用。如果对您有帮助，也请考虑对答案进行投票。

【解决方案2】：

你可以使用split

df.id.str.split('-').str[-2]

演示

df = pd.DataFrame(dict(id=['29818-218705-61709-2'] * 1000)) 
df.id.str.split('-').str[-2].head()

0    61709
1    61709
2    61709
3    61709
4    61709
Name: id, dtype: object

【讨论】：

我的想法是一样的 ;)

【解决方案3】：

你可以试试：

>>> s = "29818-218705-61709-2 "
>>> s.split("-")[2]
'61709'

【讨论】：