Pandas apply 对正则表达式函数没有任何作用答案

【问题标题】：Pandas apply does nothing with regex functionPandas apply 对正则表达式函数没有任何作用
【发布时间】：2021-11-28 04:56:43
【问题描述】：

感谢您阅读并（希望）提供帮助！我被熊猫申请难住了。我在正则表达式函数上使用它，该函数在普通字符串上工作得很好，但是当我在数据帧上使用它时，它只输出相同的单元格值。函数如下：

def match_pattern(df_cell): 
   if type(df_cell) == str:
        result = re.search(r'(?:[0-9]{1,4}\s)(.*)(?=\nName)', df_cell)
        if result:
            print('result.group(1)',result.group(1))
            return result.group(1)
        else:
            print('no result')
            return df_cell
    else:
        return df_cell

现在这在字符串上工作得很好。例如：

string = '3971 Small Arms Survey\nName'
string2 = 'nothing here'
match_pattern(string) # outputs 'Small Arms Survey' which is what i want
match_pattern(string2) # outputs 'nothing here'

但是当我在带有 apply 的数据框上使用它时似乎不起作用

frame = pd.DataFrame(['3971 Small Arms Survey\nName'])
frame2 = frame.apply(lambda x: match_pattern(str(x)))
frame2 # outputs '3971 Small Arms Survey\nName'

我会尝试其他的东西，比如 iterrows 或 itertuples 等，但最终这个正则表达式函数应该用于大型数据帧的每个单元格，任何比 apply 慢的东西几乎都不可行。

match_pattern() 函数中的打印语句仅用于调试。如果您想知道，print('result.group(1)',result.group(1)) 字符串会同时触发：“字符串”上的应用程序和数据帧上的应用程序。但是打印输出不一样。在这两种情况下，打印输出都是函数返回的内容，在数据帧的情况下，它只是数据帧中开始的字符串，而对于字符串，打印输出是我想要过滤的字符串（即 group( 1）在函数内部的正则表达式中）。

非常感谢 Wiktor Stribiżew，他的评论回答了我的问题！原来这是一个简单而愚蠢的错误。在数据框的列上使用 apply 将起作用：

frame = frame[0].apply(match_pattern) # outputs 'Small Arms Survey' for the cell, which is what i want

【问题讨论】：

标签： python regex pandas apply

【解决方案1】：

您可以在0th 列上运行apply：

import re
import pandas as pd

def match_pattern(df_cell): 
   if isinstance(df_cell, str):
        result = re.search(r'[0-9]{1,4}\s(.*)\nName', df_cell)
        if result:
            print('result.group(1)',result.group(1))
            return result.group(1)
        else:
            print('no result')
            return df_cell
   else:
        return df_cell

frame = pd.DataFrame(['3971 Small Arms Survey\nName'])
frame[0] = frame[0].apply(match_pattern)
# => frame
#                    0
# 0  Small Arms Survey

请注意，我将正则表达式简化为 [0-9]{1,4}\s(.*)\nName，因为您只需要捕获到组 1 中的文本。

另外，if isinstance(df_cell, str): 恕我直言，检查df_cell 的类型看起来更整洁。

【讨论】：