python - 根据定界符吐出一列

Question

我想从我的数据框中的列中提取一些信息:

例子

Col
7 points  — it is an example ...
13 points  — as above ...
some other text ...
1 point  — "what to say more?"
13 points  — ...
11 points  — 1234 ...

我使用 str.contain 来提取第一部分(即第一个破折号之前的所有信息，那里有。

m = (df['Col'].str.contains(r'(?i)^\d+\spoint | points'))
df[m]

我仍然得到相同的原始列(因此没有提取)。我的输出将包含两列，一列没有点信息 (Col1)，另一列 (Col2) 包含提取的文本。

Col1
7 points  
13 points 
# need to still keep the row, even if empty
1 point 
13 points
11 points

和

Col2       
it is an example ...
as above ...
some other text ...
"what to say more?"
...                                                   
1234 ...

考虑第一个破折号很重要，因为文本中可能包含更多破折号。它似乎是这个符号 -，但也许它可以是一个更长的破折号。我从我的数据集中复制和粘贴，但复制到这里似乎略有不同。

Answer 1

尝试将 str.extract 与正则表达式结合使用。

例如:

import pandas as pd

df[['Col1', 'Col2']] = df['Col'].str.extract(r"(\d+ points?)?\s*\—?\s*(.*)", expand=True)
print(df)

输出:

                                Col       Col1                  Col2
0  7 points  — it is an example ...   7 points  it is an example ...
1         13 points  — as above ...  13 points          as above ...
2               some other text ...        NaN   some other text ...
3    1 point  — "what to say more?"    1 point   "what to say more?"
4                  13 points  — ...  13 points                   ...
5             11 points  — 1234 ...  11 points              1234 ...