Python正则表达式选择所有不匹配模式的元素

Question

我昨天问了类似的问题Keep elements with pattern in pandas series without converting them to list现在我面临着相反的问题。

我有一个 pandas 数据框:

import pandas as pd
df = pd.DataFrame(["Air type:1, Space kind:2, water, wood", "berries, something at the start:4, Space blu:3, somethingelse"], columns = ['A'])

我想选择所有没有“:”的元素。我尝试的是以下似乎有效的正则表达式:

df['new'] = df.A.str.findall('(^|\s)([^:,]+)(,|$)')
    A                                                               new
0   Air type:1, Space kind:2, water, wood                           [( , water, ,), ( , wood, )]
1   berries, something at the start:4, Space blu:3, somethingelse   [(, berries, ,), ( , somethingelse, )]

如果我理解正确的话，findall 会搜索 3 种模式(我在括号中的模式)并返回尽可能多的在列表中包含的元组中找到的模式。有没有办法避免这种情况并仅返回中间模式？就第一行而言:水、木头第二行:浆果，其他东西

我也尝试了相反的方法:

df.A.str.replace('[^\s,][^:,]+:[^:,]+', '').str.replace('\s*,', '')

这似乎与我想要的很接近(仅缺少模式之间的逗号)，但我想知道我是否缺少一些可以让我的生活更轻松的东西。

Answer 1

您可以使用此正则表达式代码:

>>> df['new'] = df.A.str.findall(r'(?:^|,)([^:,]+)(?=,|$)')
>>> print (df)
                                                   A                        new
0              Air type:1, Space kind:2, water, wood            [ water,  wood]
1  berries, something at the start:4, Space blu:3...  [berries,  somethingelse]

使用的正则表达式是:

(?:^|,):匹配开始或逗号

• ([^:,]+):匹配 1+ 任何非 : 且非 ,<
• (?=,|$):先行断言我们前面有 、 或行尾