拆分涉及括号的字符串，同时保留括号

Question

我在 df 中有一个名为 Roles 的列，其值如下所示：

ABCD (Actor), XYZ (Actor, Director), PQR (Producer, Writer)

我想拆分这个字符串，这样我得到一个包含每个人列表的值

所以输出应该是：

[[ABCD (Actor)], [XYZ (Actor, Director)], [PQR (Producer, Writer)]]

我尝试使用以下内容，然而发生的情况是 ) 被剪切，我最终得到输出中没有 ) 的字符串

df['Role_Split'] = df['Roles'].str.split("\), ")

结果

['ABCD (Actor, XYZ (Actor, Director, PQR (Producer, Writer)']

此外，我的计划是创建新栏目，分别针对演员、导演、制片人等 如果列表元素包含字符串“演员”或“导演”或“制片人”等，则填充这些列

您能否建议是否有更简单的方法来做到这一点？ 所以最终的输出

Some more columns   Roles       Role_Split   Actor    Other Roles
                    ABCD (Actor), XYZ (Actor, Director), PQR (Producer, Writer)        [[ABCD (Actor)], [XYZ (Actor, Director)], [PQR (Producer, Writer)]]    ABCD, XYZ      XYZ, PQR 
 

Answer 1

看来你可以使用str.findall

例如：

df = pd.DataFrame({"Roles":['ABCD (Actor), XYZ (Actor, Director), PQR (Producer, Writer)']})
df['Role_Split'] = df['Roles'].str.findall(r"(\w+ \(.*?\))")
print(df['Role_Split'])  # print(df['Role_Split'][0]

输出：

['ABCD (Actor)', 'XYZ (Actor, Director)', 'PQR (Producer, Writer)']

根据评论编辑

df = pd.DataFrame({"Roles":['ABCD Walters Sr (Actor), XYZ PQR AB (Lead Role, Producer, Director)']})
df['Role_Split'] = df['Roles'].str.findall(r"([\w\s]+ \(.*?\))")
print(df['Role_Split'][0])
# ->['ABCD Walters Sr (Actor)', ' XYZ PQR AB (Lead Role, Producer, Director)']

将str.extractall 与命名的正则表达式组一起使用

例如：

df2 = df['Roles'].str.extractall(r"(?P<Actor>[\w\s]+) (?P<roles>\(.*?\))")
print(df2)

输出：

                   Actor                            roles
  match                                                  
0 0      ABCD Walters Sr                          (Actor)
  1           XYZ PQR AB  (Lead Role, Producer, Director)

Answer 2

使用正则表达式和后向括号：

(?<=\)),\s+

它在逗号和逗号位于右括号之后的任何后续空格（至少需要一个前向空格）上分割。

s = 'ABCD (Actor), XYZ (Actor, Director), PQR (Producer, Writer)'
pd.Series([s]).str.split(r'(?<=\)),\s+', expand=True)

产生如下输出：

Out[5]: 
              0                      1                       2
0  ABCD (Actor)  XYZ (Actor, Director)  PQR (Producer, Writer)

注意pd.Series.str.splittakes a regular expression直接输入。如果您想将其放入不同的列，请将expand=True 传递给您的s.str.split(pattern) 调用；否则，如果希望在每个系列单元格中都有一个列表，请不要传递该参数。