python - 如何在 Pandas 系列中使用多个分隔符并拆分为多行

Question

我有一个这样的数据框。

df = pd.DataFrame({
    "Name" : ["ABC LLC Ram corp", "IJK Inc"],
    "id" : [101, 102]
 })

    Name                id
0 ABC LLC Ram corp      101
1 IJK Inc               102

我正在尝试根据我的分隔符将名称系列拆分为多行。我可以拆分但也无法保留分隔符。

分隔符 = ["inc","corp","llc"]

我的预期输出是，

Name       id
ABC LLC    101
RAM corp   101
IJK Inc    102

请帮忙，谢谢。

Answer 1

您可以使用 str.findall 在 Name 列中查找所有匹配的正则表达式模式，然后将这些匹配项分配给列 Name和 explode Name 上的数据框:

pat = fr"(?i)(.*?(?:{'|'.join(separators)}))"
df.assign(Name=df['Name'].str.findall(pat)).explode('Name')

正则表达式详细信息:

• (?i) : 不区分大小写的标志
• ( : 捕获组的开始
• .*? : 匹配除行终止符以外的任何字符，次数在零到无限次之间，尽可能少 (lazy match)。
• (?: : 非捕获组的开始
• {'|'.join(separators)} : f-string计算结果为 inc|corp|llc 的表达式
• ) : 非捕获组结束
• ) : 捕获组结束

---

        Name   id
0    ABC LLC  101
0   Ram corp  101
1    IJK Inc  102