为什么 re.findall 只返回前十行答案

【问题标题】：Why re.findall only return first ten rows为什么 re.findall 只返回前十行
【发布时间】：2020-08-26 15:28:37
【问题描述】：

我尝试使用 59k 行中的正则表达式来匹配字符串。当然，我希望得到与结果相同的 59k 行。但是结果只返回前 10 行。

我觉得这是一个愚蠢的问题，但仍然想知道这里有什么问题。

y = str(data[['geometry']])
z = re.findall("(?<=\()\d.*(?=\))", y)

【问题讨论】：

因为 pandas 数据框列的字符串表示会截断数据。
您可以使用专为此设计的内置series.str.findall method

标签： python python-3.x regex pandas jupyter-notebook

【解决方案1】：

您可能需要str.findall 和tolist()

例如：

data['geometry'].str.findall("(?<=\()\d.*(?=\))").tolist()

演示：

df = pd.DataFrame({'geometry': ['aa (123) bb (1.5)', 'aa (123) bb (1.5)', 'aa (123) bb (1.5)', 'aa (123) bb (1.5)']})
print(df['geometry'].str.findall("(?<=\()(\d.*?)(?=\))").tolist())

输出：

[['123', '1.5'], ['123', '1.5'], ['123', '1.5'], ['123', '1.5']]

【讨论】：

【解决方案2】：

使用str.extract:

data['geometry'].str.extract(r'\((\d.*)\)', expand=False).tolist()

见regex demo

解释

                         EXPLANATION
--------------------------------------------------------------------------------
  \(                       '('
--------------------------------------------------------------------------------
  (                        group and capture to \1:
--------------------------------------------------------------------------------
    \d                       digits (0-9)
--------------------------------------------------------------------------------
    .*                       any character except \n (0 or more times
                             (matching the most amount possible))
--------------------------------------------------------------------------------
  )                        end of \1
--------------------------------------------------------------------------------
  \)                       ')'

【讨论】：

【解决方案3】：

我使用循环得到了自己的解决方案：

location = []
for l in data['geometry']:
    latlon = re.findall("(?<=\()\d.*(?=\))", l)
    location.append(z)


df_latlon = DataFrame(location)
df_latlon

【讨论】：