熊猫字符串提取所有匹配项

Question

我正在学习熊猫系列字符串方法中的正则表达式操作。我能够从字符串中提取第一个数字，但我的正则表达式与第二个数字不匹配。如何捕获这两个数字？

注意第二行，这里的第二个元素是NAN。

代码：

import pandas as pd
df = pd.DataFrame({'a': ["number 1.23 has 1.2 ",
                         "number 12.2 has 12 "]})

pat = r""".+\s+
(\d+\.\d+)
.+
((?:\d+\.\d+)?)
.+"""


df['a'].str.extract(pat,flags=re.X,expand=True)

给予：

0      1
1.23
12.2

预期：

0    1
1.23 1.2
12.2 NaN

如何修复正则表达式？

我对正则表达式很陌生，所以请体谅并原谅我的无知。

Answer 1

您可以将.str.findall 与\d+\.\d+ 正则表达式一起使用：

>>> df['a'].str.findall(r"\d+\.\d+").to_frame()
             a
0  [1.23, 1.2]
1       [12.2]

或者，

>>> pd.DataFrame(df['a'].str.findall(r"\d+\.\d+").tolist())
      0     1
0  1.23   1.2
1  12.2  None

模式匹配

• \d+ - 1 位以上
• \. - 点
• \d+ - 1 位以上。

请注意，str.findall 不需要用捕获组包装整个模式，就像 .str.extractall 的情况一样，也可以在这里使用。