在 Pandas 中使用正则表达式提取特定单词答案

【问题标题】：Extracting a specific word using Regex in Pandas在 Pandas 中使用正则表达式提取特定单词
【发布时间】：2021-02-26 01:03:50
【问题描述】：

我正在尝试从以下数据框中提取国家/地区名称

country
0   NaN
1   Country: America
2   Country: France ...More CountriesFranceNorwayP...
3   NaN
4   Country: India

使用下面的正则表达式

import re
regex = re.compile(\
    r"Country: (?P<country>\w+)"
    )

df['country'] = df['country'].str.extractall(regex).droplevel(1)

但它会返回

country
0   NaN
1   NaN
2   NaN
3   NaN
4   NaN

而不是返回

country
0   NaN
1   America
2   France
3   NaN
4   India

我错过了什么？

请指教

【问题讨论】：

标签： python regex pandas

【解决方案1】：

你可以使用extract:

df['country'] = df['country'].str.extract(r'Country:\s*(\w+)')

熊猫测试：

import pandas as pd
import numpy as np
df = pd.DataFrame({'country' : [np.nan, 'Country: America', 'Country France ... More countries...']})
df['country'].str.extract(r'Country:\s*(\w+)')
#          0
# 0      NaN
# 1  America
# 2      NaN

【讨论】：

效果很好！我的语句返回 NaN 的任何原因？
@Luke 我不确定可能是什么原因，我没有看到全部数据。

【解决方案2】：

你也可以避开regex而使用Series.str.split：

In [86]: df = pd.DataFrame({'country' : [np.nan, 'Country: America', 'Country: France ... More countries...', np.nan, 'Country: India']})

In [87]: df
Out[87]: 
                                 country
0                                    NaN
1                       Country: America
2  Country: France ... More countries...
3                                    NaN
4                         Country: India

In [94]: df.country.str.split(':').str[1].str.split().str[0]
Out[94]: 
0        NaN
1    America
2     France
3        NaN
4      India
Name: country, dtype: object

【讨论】：

绝对试过了！和正则表达式一样好用！但我不确定它是否一直有效
答案中的假设是基于您的样本数据的方式。可能需要对您的完整数据进行一些调整。