如何使用正则表达式获取数据帧中的字符串

Question

我试图正则表达式出一个特定的字符串在我的字典里。 假设我有这样一个df：

         a                  b
0  foo foo AA123 bar        4
1  foo foo BB245 bar        5
2  foo CA234 bar bar        5

如何获得此df：

     a          b
0  AA123        4
1  BB245        5
2  CA234        5

我尝试的一种方法是df.replace({'(\w{3}\d{3})': ?})，但不确定第二个参数应该放什么。你知道吗

Answer 1

您可以使用基于regex的Series.str.extract函数来保留匹配的组。您还需要对regex进行修复\w元素的基数应该是2。最终代码将是：

df["a"] = df["a"].str.extract('(\w{2}\d{3})', expand=False)

expand=False表示您不希望str.extract返回一个DataFrame，默认情况下它是这样做的，以便容纳多个regex组（它为每个组返回一列）。因为您已经知道这里只有一个regex组，为了方便起见，您可以指定expand=False以获取Series，您可以立即将其分配给df["a"]。如果有多个regex组，那么不管您为expand指定了什么，函数都将返回一个DataFrame，并且您将索引到它中以获得所需的列/组。你知道吗