通过正则表达式更改 pandas 列的内容答案

【问题标题】：Alter the content of a pandas column by regular expression通过正则表达式更改 pandas 列的内容
【发布时间】：2019-01-18 21:38:03
【问题描述】：

我有一个数据框，其中有一列看起来像这样

Other via Other on 17 Jan   2019 
Other via Other on 17 Jan   2019 
Interview via E-mail    on  14  Dec 2018
Rejected via    E-mail  on  15  Jan 2019
Rejected via    E-mail  on  15  Jan 2019
Rejected via    E-mail  on  15  Jan 2019
Rejected via    E-mail  on  15  Jan 2019
Interview via   E-mail  on  14  Jan 2019
Rejected via Website on 12 Jan  2019

是否可以将此列分为两列，一列是“via”之前的内容，另一列是“on”之后的内容？谢谢！

【问题讨论】：

我很确定你可以做到 df[column].split(r'via.*on', expand=True)
@MegaBluejay 如果我还想删除原始列中该日期之后的任何内容怎么办？

标签： python pandas dataframe split

【解决方案1】：

使用 str.extract

df[['col1', 'col2']] = df.col.str.extract('(.*)\svia.*on\s(.*)', expand = True)

    col1        col2
0   Other       17 Jan 2019
1   Other       17 Jan 2019
2   Interview   14 Dec 2018
3   Rejected    15 Jan 2019
4   Rejected    15 Jan 2019
5   Rejected    15 Jan 2019
6   Rejected    15 Jan 2019
7   Interview   14 Jan 2019
8   Rejected    12 Jan 2019

【讨论】：

【解决方案2】：

您几乎可以将 split() 用作df.col.str.split('via|on',expand=True)[[0,2]：

让我们详细说明一下............

复制您的 DataFrame：

>>> df
                                        col
0         Other via Other on 17 Jan   2019
1         Other via Other on 17 Jan   2019
2  Interview via E-mail    on  14  Dec 2018
3  Rejected via    E-mail  on  15  Jan 2019
4  Rejected via    E-mail  on  15  Jan 2019
5  Rejected via    E-mail  on  15  Jan 2019
6  Rejected via    E-mail  on  15  Jan 2019
7  Interview via   E-mail  on  14  Jan 2019
8      Rejected via Website on 12 Jan  2019

让我们看看这里首先根据我们所需的字符串via 和on 拆分整个列，这会将整个列col 拆分为三个不同的分隔列0 1 2，其中0 将在字符串via & 2 将在字符串on 之后，其余的将是中间的列1，我们不需要。

因此，我们可以随意选择列0 和2，如下所示。

>>> df.col.str.split('via|on',expand=True)[[0,2]]
            0                2
0      Other    17 Jan   2019
1      Other    17 Jan   2019
2  Interview      14  Dec 2018
3   Rejected      15  Jan 2019
4   Rejected      15  Jan 2019
5   Rejected      15  Jan 2019
6   Rejected      15  Jan 2019
7  Interview      14  Jan 2019
8   Rejected      12 Jan  2019

最好分配一个新的数据框并重命名列：

结果：

newdf = df.col.str.split('via|on',expand=True)[[0,2]]
newdf.rename(columns={0: 'col1', 2: 'col2'}, inplace=True)
print(newdf)

         col1             col2
0      Other      17 Jan   2019
1      Other      17 Jan   2019
2  Interview      14  Dec 2018
3   Rejected      15  Jan 2019
4   Rejected      15  Jan 2019
5   Rejected      15  Jan 2019
6   Rejected      15  Jan 2019
7  Interview      14  Jan 2019
8   Rejected      12 Jan  2019

【讨论】：