Pandas - 使用 str.contains 匹配字符串答案

【问题标题】：Pandas - using str.contains to match stringPandas - 使用 str.contains 匹配字符串
【发布时间】：2021-10-05 21:45:36
【问题描述】：

我的 pandas df 中有一个如下所示的列：

Cycle 1 (0 h)
           A
           B
           C
Cycle 2 (0 h 43 min)
           A
           B
           C

我正在尝试匹配“循环”并提取数字。理想情况下，我希望我的输出如下所示：

我试过了：

df['1'] = df['1'].str.contains('Cycle', regex=True).str.extract('(\d+)')

但它完全摆脱了 Cycle 行 - 我认为在提取数字后我可以使用 str.split() 并仅保留相关数字，然后我可以用逗号分隔这些数字。但我似乎无法提取数字。

【问题讨论】：

标签： python regex pandas

【解决方案1】：

你可以使用

rx = r'^Cycle\s+\d+\s+\((\d+)(?:\s*\w+\s*(\d+))?.*'
df['1'] = df['1'].str.replace(rx, lambda x: f'{x.group(1)},{x.group(2)}' if x.group(2) else x.group(1), regex=True)

请参阅regex demo。在这里，^Cycle\s+\d+\s+\((\d+)(?:\s*\w+\s*(\d+))?.* 模式被搜索，如果匹配，它被替换为 Group 1 + , + Group 2 的内容，或者根据 Group 2 是否匹配，只替换 Group 1 的值。

详情：

^ - 字符串开头
Cycle - 一句话
\s+ - 一个或多个空格
\d+ - 一位或多位数字
\s+ - 一个或多个空格
\( - 一个 ( 字符
(\d+) - 第 1 组 (\1)：一位或多位数字
(?:\s*\w+\s*(\d+))? - 一个可选的非捕获组，匹配一个可选的序列
- \s*\w+\s* - 用一个或多个空格字符括起来的一个或多个单词字符
- (\d+) - 第 2 组 (\2)：一位或多位数字
.* - 字符串的其余部分。

如果第 2 组匹配，则替换为第 1 组 + , + 第 2 组值，否则，只有第 1 组值。

熊猫测试：

import pandas as pd
df = pd.DataFrame({'1': ['Cycle 1 (0 h)', 'Cycle 1 (0 h 48 min)']})
rx = r'^Cycle\s+\d+\s+\((\d+)(?:\s*\w+\s*(\d+))?.*'
df['1'].str.replace(rx, lambda x: f'{x.group(1)},{x.group(2)}' if x.group(2) else x.group(1), regex=True)
# => 0       0
# => 1    0,48
# => Name: 1, dtype: object

【讨论】：

哇，正则表达式网站太酷了！感谢您的帮助。
@HenryEcker 已修复，我必须使用条件替换。