Python 使用正则表达式提取 pandas 列中的部分字符串

Question

我有一个名为“Raw”的 pandas df 列，其格式不一致。它包含的字符串如下所示:

'(1T XXX, Europe)'
'(2T YYYY, Latin America)'
'(3T ZZ/ZZZZ, Europe)'
'(4T XXX XXX, Africa)'

'Raw' 中的字符串唯一一致的是它们以数字开头，中间包含一个逗号，后跟一个空格，并且它们还包含括号。

现在，我想在我的数据框中创建两个额外的列(模型和区域):

• 'Model' 将包含字符串的开头，即第一个括号和逗号之间的所有内容
• 'Region' 将包含字符串的末尾，即逗号后的空格和最后一个括号之间的所有内容

我如何使用正则表达式做到这一点？

Answer 1

因为只有一个逗号，而且所有内容都在括号之间，所以在您的情况下，在适当切片后使用 .str.split() 代替:

model_region = df.Raw.str[1:-1].str.split(', ', expand = True)

但如果你坚持:

model_region = df.Raw.str.extract('\((.*), (.*)\)', expand = True)

然后

df['Model'] = model_region[0]
df['Region'] = model_region[1]