python - 正则表达式 python dataframe 元素

Question

我在这里有一个问题(回答得很好): Python parse dataframe element

不幸的是，我的数据源还有其他需要处理的情况。

当前模式是

pattern = r'([^\(]+)(\(([^,]*),(.*)\))?'

trans_field_attr = df['Data Type'].str.extract(pattern, expand=True).iloc[:, [0, 2, 3]]

这可以完美处理(精度，比例)版本，例如 NUMBER(22,4)。不幸的是，它不会选择括号中只有单个值的任何值。

例如:

0        VARCHAR2(1)
1        VARCHAR2(1)
2        VARCHAR2(1)
3        VARCHAR2(1)
4        VARCHAR2(1)
5            DATE(7)
6            DATE(7)
7            DATE(7)
8            DATE(7)
9        VARCHAR2(1)
10           DATE(7)
11       VARCHAR2(3)
12       VARCHAR2(3)
13               NaN
14       VARCHAR2(3)
15      NUMBER(22,4)

如何改进该模式以获取单个值？

抱歉，但我真的很难从 piRSquared 的答案中进一步了解......

Answer 1

为第二个数字和逗号添加一个非捕获组，然后在其后添加一个 ? 零或一个标记，如下所示。

([^\(]+)(\(([^,]*)(?:,(.*))?\))?
                  (?:     )? <= this part means that the comma and everything following it
                                is optional, alike to the ? token at the very end.