将 re.search 函数应用于 Python 中的列答案

【问题标题】：Applying re.search function to column in Python将 re.search 函数应用于 Python 中的列
【发布时间】：2018-06-04 00:49:36
【问题描述】：

我有以下 Python 代码（我想要文本字段中特定数字的第一个匹配项）：

import numpy as np
import pandas

data = {'A': [1, 2, 3], 'B': ['bla 4044 bla', 'bla 5022 bla', 'bla 6045 bla']}
df = pandas.DataFrame(data)

def fun_subjectnr(column):
    column = str(column)
    subjectnr = re.search(r"(\b[4][0-1][0-9][0-9]\b)",column)
    subjectnr1 = re.search(r"(\b[2-3|6-8][0-9][0-9][0-5]\b)",column)
    subjectnr = np.where(subjectnr == "" and subjectnr1 != "", subjectnr1, 
    subjectnr)
    return subjectnr1

df['C'] = df['B'].apply(fun_subjectnr)

想要的输出：

 A    B                C
 1    bla 4044 bla    4044
 2    bla 5022 bla    None
 3    bla 6045 bla    6045

它似乎不起作用。当我将 [0] 添加到正则表达式代码时，它会给出错误...(subjectnr = re.search(r"(\b[4][0-1][0-9][0-9]\ b)",column)[0])

谁知道该怎么做？提前致谢！

【问题讨论】：

你能解释一下你是如何得到这个输出的吗？你应该使用Series.str.findall。
我已经尝试过 findall 并且它有效，但我不想要所有匹配项，只有第一个匹配项......
好的，然后Series.str.extract。我的问题是，你到底想做什么？为什么第二个结果是 None？
我想要第一个匹配项（特定格式的数字），所以第二个不是正确的格式数字（bc 第一个数字是 5）。我会尝试做 series.str.extract，谢谢！
如果答案有什么不足，请告诉我。如果没有，请考虑将其标记为接受。非常感谢。

标签： python regex pandas

【解决方案1】：

您可以使用str.extract 执行此操作。你也可以稍微压缩一下你的模式，如下所示。

p = r'\b(4[0-1]\d{2}|(?:[2-3]|[6-8])\d{2}[0-5])\b'
df['C'] = df.B.str.extract(p, expand=False)

df

   A             B     C
0  1  bla 4044 bla  4044
1  2  bla 5022 bla   NaN
2  3  bla 6045 bla  6045

这应该比调用apply 快得多。

详情

\b                 # word boundary
(                  # first capture group
   4               # match digit 4
   [0-1]           # match 0 or 1
   \d{2}           # match any two digits
|
   (?:             # non-capture group (prevent ambiguity during matching)
       [2-3]       # 2 or 3
       |           # regex OR metacharacter
       [6-8]       # 6, 7, or 8
   )
   \d{2}           # any two digits
   [0-5]           # any digit b/w 0 and 5
)
\b

【讨论】：

感谢您的回答和正则表达式建议，它有效（并且我减少了代码量:)）！