从 Pandas 列中的元素中提取文本，写入新列

Question

我在 Pandas DataFrame 的列 (COL_NAME) 中有一些数据。我想在 '(' 和 ')' 之间提取一些文本（这些数据要么存在，要么括号根本不存在，尽管数据中可能有不止一组括号）。然后我想将括号中的数据写入另一列，然后从原始字符串中删除“（XXX）”。

即

COL_NAME
========
(info) text (yay!)
I love text
Text is fun
(more info) more text
lotsa text (boo!)

转为：

COL_NAME          NEW_COL
========          =======
text (yay!)       info
i love text       None
Text is fun       None
more text         more info
lots text (boo!)  None

我可以通过隔离列、遍历其元素、在 ( 上拆分、创建两个新列表然后将它们添加到 DataFrame 来做到这一点，但肯定有一种更 Pythonic/Padic 的方式来做到这一点，对吧？

谢谢！

Answer 1

不清楚，为什么第二个括号不匹配。可能是因为 char !.

然后你可以使用extract 和正则表达式。

正则表达式\(([A-Za-z0-9 _]+)\)表示：

1. \( 匹配文字 ( 字符
2. ( 开始一个新组
3. [A-Za-z0-9 _] 是匹配任何字母（大写或小写）、数字或下划线和空格的字符集
4. + 匹配前面的元素（字符集）一次或多次。
5. )结束群
6. \) 匹配文字 ) 字符

第二个括号不匹配，因为正则表达式排除字符 ! - 它不在括号 [A-Za-z0-9 _] 中。

import pandas as pd
import numpy as np
import io

temp=u"""(info) text (yay!)
I love text
Text is fun
(more info) more text
lotsa text (boo!)"""

df = pd.read_csv(io.StringIO(temp), header=None, names=['original'])
print df
#                  original
#0       (info) text (yay!)
#1              I love text
#2              Text is fun
#3  (more info) more text
#4        lotsa text (boo!)

df['col1'] = df['original'].str.extract(r"\(([A-Za-z0-9 _]+)\)")
df['col2'] = df['original'].str.replace(r"\(([A-Za-z0-9 _]+)\)", "")
print df
#                original       col1               col2
#0     (info) text (yay!)       info        text (yay!)
#1            I love text        NaN        I love text
#2            Text is fun        NaN        Text is fun
#3  (more info) more text  more info          more text
#4      lotsa text (boo!)        NaN  lotsa text (boo!)