python - 包含 'flexible' 模式的子集字符串行

Question

我有以下 df。

data = [
    ['DWWWWD'],
    ['DWDW'],
    ['WDWWWWWWWWD'],
    ['DDW'],
    ['WWD'],
]

df = pd.DataFrame(data, columns=['letter_sequence'])

我想要对包含模式 'D' + '[W 的数量]' + 'D' 的行进行子集化。我想要在输出 df 中出现的行示例:DWD、DWWWWWWWWWWWWWD、WWWWWDWDW...

我想出了以下内容，但它实际上不适用于“无论 W 的数量”。

df[df['letter_sequence'].str.contains(
    'DWD|DWWD|DWWWD|DWWWWD|DWWWWWD|DWWWWWWD|DWWWWWWWD|DWWWWWWWWD', regex=True
)]

所需输出new_df:

    letter_sequence
0   DWWWWD
1   DWDW
2   WDWWWWWWWWD

还有其他选择吗？

Answer 1

使用[W]{1,}表示一个或多个W，默认情况下为regex=True，因此应省略:

df = df[df['letter_sequence'].str.contains('D[W]{1,}D')]
print (df)
  letter_sequence
0          DWWWWD
1            DWDW
2     WDWWWWWWWWD