在 Pandas 中使用正则表达式进行数据清理

Question

我正在尝试使用正则表达式来提取两个元素字段。

从此列表中：df=pd.DataFrame({'Score':'Touch\n4.90\nDraw\n4.30\nDown\n1.58\nOver\n2.5\n1.65强>\n低于\n2.5\n2.23']})

想要的结果：1.65\n2.23

如图所示，我已部分尝试删除一些不需要的位，但与其他位一起丢失了。我需要在我的正则表达式解决方案中添加什么才能达到我想要的结果。

将 pandas 导入为 pd

df=pd.DataFrame({'Score': ['Touch\n4.90\nDraw\n4.30\nDown\n1.58\nOver\n2.5\n1.65\nUnder\n2.5\n2.23 ']})

df = df['Score'].str.replace(r'([^\d\.\n])', '').str.strip()

df
0 4.90\n\n4.30\n\n1.58\n\n2.5\n1.65\n\n2.5\n2.23
名称：分数，数据类型：对象

Answer 1

你可以使用

>>> df['Score'].str.findall(r'(?m)^(?:Over|Under)\n.*\n(.*)').str.join("\n")
0    1.65\n2.23
Name: Score, dtype: object

请参阅regex demo。

正则表达式匹配所有出现在Over 或Under 行下方的第二行，然后用换行符连接结果。

详情

• (?m) - re.M 内联选项
• ^ - 行首
• (?:Over|Under) - 两个字符串之一
• \n.*\n - 换行符，除换行符之外的任何零个或多个字符，尽可能多，然后是换行符
• (.*) - 第 1 组：除换行符之外的任何零个或多个字符，尽可能多。