从 Pandas Dataframe 中提取短语后和空格之间的文本答案

【问题标题】：Extracting text after a phrase and in between spaces from Pandas Dataframe从 Pandas Dataframe 中提取短语后和空格之间的文本
【发布时间】：2021-06-19 00:15:58
【问题描述】：

我有一个 CSV，其中包含一些我要带入 pandas 数据框的数据。其中一列包含像这样的长文本字段的数据：

“QB 亚伦罗杰斯 RB 乔什雅各布斯 FLEX 达万特亚当斯”

我想在 FLEX 之后为该数据帧中的每一行提取玩家名称。我一般是一个正则表达式的新手，尤其是前瞻和后视，但能够使用这段代码直接在术语 FLEX

之前获取文本

df.Lineup.str.extract('(\w+(?=\s+FLEX\s))')

但是，我试图获得下一个两个词（全名） FLEX 一词。关于如何让它正常工作的任何想法？

为了更加清楚，在上面的示例中，当前代码导致我返回“Jacobs”，但我想要“Davante Adams”

【问题讨论】：

标签： python regex pandas

【解决方案1】：

您会得到匹配 Jacobs，因为模式 (\w+(?=\s+FLEX\s)) 匹配 1+ 个单词字符，断言直接在右边的是空格字符，后跟 FLEX。

相反，您可以使用带有捕获组的模式来匹配 FLEX 之后的 2 个单词：

\bFLEX\s+(\w+\s+\w+)

Regex demo

或者更广泛的匹配：

\bFLEX\s+(\S+\s+\S+)

\bFLEX一个字边界，匹配FLEX
\s+ 匹配 1+ 个空格字符
(\S+\s+\S+) 捕获 group 1 匹配 1+ 个非空白字符，1+ 个空白字符，再匹配 1+ 个非空白字符

查看regex demo。

import pandas as pd

strings = ['QB Aaron Rodgers RB Josh Jacobs FLEX Davante Adams']
df = pd.DataFrame(strings, columns=["Lineup"])
df['Lineup'] = df["Lineup"].str.extract(r'\bFLEX\s+(\S+\s+\S+)')
print(df)

输出

          Lineup
0  Davante Adams

如果要匹配 2 个或更多单词，可以使用重复的非捕获组：

\bFLEX\s+(\w+(?:\s+\w+)+)

【讨论】：

@RavinderSingh13 谢谢！你可以像这样使用替换 df['Lineup'] = df["Lineup"].str.replace(r'^.*?\bFLEX\s+(\w+\s+\w+).*', r'\1')