Pandas DataFrame 从列中获取子字符串答案

【问题标题】：Pandas DataFrame get substrings from columnPandas DataFrame 从列中获取子字符串
【发布时间】：2015-07-31 09:18:02
【问题描述】：

我有一个名为“KL”的列，例如：

sem_0405M4209F2057_1.000
sem_A_0103M5836F4798_1.000

现在我想提取“M”之后的四位数字和“F”之后的四位数字。但是df["KL"].str.extract 我无法让它工作。

M 和 F 的位置不同，因此仅使用切片 [9:13] 将不适用于整个列。

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

如果你想使用str.extract，方法如下：

>>> df['KL'].str.extract(r'M(?P<M>[0-9]{4})F(?P<F>[0-9]{4})')
      M     F
0  4209  2057
1  5836  4798

这里，M(?P<M>[0-9]{4}) 匹配字符 'M'，然后捕获它后面的 4 位数字（[0-9]{4} 部分）。这放在M 列中（在捕获组内用?P<M> 指定）。 F 也是如此。

【讨论】：

【解决方案2】：

您可以使用split 来实现这一点，可能存在更好的方法：

In [147]:
s = pd.Series(['sem_0405M4209F2057_1.000','sem_A_0103M5836F4798_1.000'])
s

Out[147]:
0      sem_0405M4209F2057_1.000
1    sem_A_0103M5836F4798_1.000
dtype: object

In [153]:
m = s.str.split('M').str[1].str.split('F').str[0][:4]
f = s.str.split('M').str[1].str.split('F').str[1].str[:4]
print(m)
print(f)

0    4209
1    5836
dtype: object

0    2057
1    4798
dtype: object

【讨论】：

【解决方案3】：

你也可以使用正则表达式：

import re

def get_data(x):
    data = re.search( r'M(\d{4})F(\d{4})', x)
    if data:
        m = data.group(1)
        f = data.group(2)

        return m, f

df = pd.DataFrame(data={'a': ['sem_0405M4209F2057_1.000', 'sem_0405M4239F2027_1.000']})

df['data'] = df['a'].apply(lambda x: get_data(x))

>>
                          a          data
0  sem_0405M4209F2057_1.000  (4209, 2057)
1  sem_0405M4239F2027_1.000  (4239, 2027)

【讨论】：