如何从列中提取特定文本

Question

我有一个带列的pandas数据框，我需要清理它，因为数据没有必要的格式：

df = pd.DataFrame({'item': ["1","2","3","4","5","6"], 'store': ["a [note 3]","b  [note 98]","c ","a 
[note 222]","b","c"]})
print(df)

item         store
0    1    a [note 3]
1    2  b  [note 98]
2    3            c 
3    4  a [note 222]
4    5             b
5    6             c

列'store'必须按如下方式更改：

 item store
0    1     a
1    2     b
2    3     c
3    4     a
4    5     b
5    6     c

Answer 1

按开始的方括号拆分，并在结果列表中拾取第一个索引值

df['store'] = df.store.str.split('\[').str[0]

Answer 2

您不需要正则表达式。只需在空格上拆分，然后取第一个字符

df['store'] = df['store'].apply(lambda x: x.split()[0])

如果最终需要正则表达式，可以使用extract

df['store'] = df['store'].str.extract('^([a-z])')

如果括号前有多个字符

df['store'] = df['store'].str.extract('^(.+?)(?=\[|$)')