基于正则表达式分离列 |熊猫答案

【问题标题】：Separating columns based on Regex | Pandas基于正则表达式分离列 |熊猫
【发布时间】：2020-11-14 17:32:47
【问题描述】：

所以我已将 pdf 转换为数据框，并且几乎处于我希望格式的最后阶段。但是我被困在以下步骤中。我有一列就像 -

Column A
1234[321]
321[3]
123
456[456]

并希望将其分成两个不同的列 B 和 C，这样 -

Column B          Column C
1234              321
321               3
123               0
456               456

如何做到这一点？我确实尝试过

df.Column A.str.strip(r"\[\d+\]")

但是在尝试了不同的变体之后我一直无法通过。任何帮助将不胜感激，因为这是此任务的最后一部分。非常感谢！

【问题讨论】：

标签： regex pandas split

【解决方案1】：

另一种可能是：

# Create the new two columns
df[["Column B", "Column C"]]=df["Column A"].str.split('[', expand=True)
# Get rid of the extra bracket
df["Column C"] = df["Column C"].str.replace("]", "")
# Get rid of the NaN and the useless column
df = df.fillna(0).drop("Column A", axis=1)
# Convert all columns to numeric
df = df.apply(pd.to_numeric)

【讨论】：

【解决方案2】：

你可以使用

import pandas as pd
df = pd.DataFrame({'Column A': ['1234[321]', '321[3]', '123', '456[456]']})
df[['Column B', 'Column C']] = df['Column A'].str.extract(r'^(\d+)(?:\[(\d+)])?$', expand=False)
# If you need to drop Column A here, use
# df[['Column B', 'Column C']] = df.pop('Column A').str.extract(r'^(\d+)(?:\[(\d+)])?$', expand=False)
df['Column C'][pd.isna(df['Column C'])] = 0
df
#    Column A Column B Column C
# 0  1234[321]     1234      321
# 1     321[3]      321        3
# 2        123      123        0
# 3   456[456]      456      456

请参阅regex demo。它匹配

^ - 字符串开头
(\d+) - 第 1 组：一位或多位数字
(?:\[(\d+)])? - 一个可选的非捕获组匹配[，然后捕获到第 2 组一个或多个数字，然后是 ]
$ - 字符串结束。

【讨论】：

正则表达式解决方案确实很强大，但初学者可能很难理解。 regex101 对理解语法非常有帮助。赞成这个答案。