在 Python Pandas Dataframe 中提取字符串的子字符串的问题答案

【问题标题】：Issues with extracting substrings of a string in Python Pandas Dataframe在 Python Pandas Dataframe 中提取字符串的子字符串的问题
【发布时间】：2018-09-28 23:03:43
【问题描述】：

我有一个表达式，例如（一列的一行，在 pandas 数据框中说“old_col”）（显示数据框一列的前两行 )

abcd_6.9_uuu ghaha_12.8 _sksks

abcd_5.2_uuu ghaha_13.9 _sksks

我试图在数据帧上使用 str.extract 来获取两个浮点数。但是我发现了两个问题，只有第一个被选中（第一行 6.9 和第二行 5.2）

1. 那我该怎么做呢？

2. 另外，我怎样才能使提取方法通用以提取任何数字的数字（5.7 或 12.9 无关）

我正在使用： df['newcol'] = df['old_col'].str.extract('(_\d.\d)')

【问题讨论】：

标签： python regex pandas pandas-groupby

【解决方案1】：

要获得多于一位，

df['col'].str.extract('(\_\d+\.\d+)')

    col
0   _6.9
1   _15.9

要获取所有匹配项，请使用str.extractall

df['col'].str.extractall('(\_\d+\.\d+)')

            col
    match   
0   0      _6.9
    1     _12.8
1   0     _15.9
    1     _13.9

分配回df：

s = df['col'].str.extractall('(\_\d+\.\d+)')['col']
df['new_col'] = s.groupby(s.index.get_level_values(0)).agg(list)

【讨论】：

非常感谢 RafaelC.. 但是当我使用您的 extractall 方法时，我收到一个错误：TypeError: incompatible index of inserted column with frame index
extract 方法可以很好地获得第一个.. 但是 extractall 不起作用
不确定如何引发此错误。您是在完全运行我发布的代码，还是试图将此值分配回 df？检查已编辑..
我正在尝试运行：df['new_col'] = df['col'].str.extractall('(_\d+\.\d+)')
您可以简单地使用堆栈，然后分配给两列，而不是分组。类似 df[['f1','f2']]=df['col'].str.extractall('(\d+.\d+?)').unstack() +1

【解决方案2】：

你可以使用Series.str.findall:

import pandas as pd
df=pd.DataFrame({'old_col':['abcd_6.9_uuu ghaha_12.8 _sksks','abcd_5.2_uuu ghaha_13.9 _sksks']})
df['newcol'] = df['old_col'].str.findall(r'\d+(?:\.\d+)?')
df['newcol_str'] = df['old_col'].str.findall(r'\d+(?:\.\d+)?').str.join(', ')
# >>> df
#                           old_col       newcol newcol_str
# 0  abcd_6.9_uuu ghaha_12.8 _sksks  [6.9, 12.8]  6.9, 12.8
# 1  abcd_5.2_uuu ghaha_13.9 _sksks  [5.2, 13.9]  5.2, 13.9

正则表达式详细信息：

\d+(?:\.\d+)? - 一位或多位数字后跟可选的 . 和一位或多位数字
\d+\.\d+ 将仅匹配浮点值，其中 . 必须在至少两位数之间。

由于.str.findall(r'\d+(?:\.\d+)?') 返回一个列表，newcol 列包含列表，.str.join(', ')，newcol_str 列包含与找到的匹配合并的字符串。

如果您必须检查数字是否出现在下划线之间，请将它们添加到模式的两侧并用括号将数字匹配模式括起来：

.str.findall(r'_(\d+(?:\.\d+)?)_')

【讨论】：