python - 数据框中的正则表达式( Pandas )

Question

我有一个像这样的列的数据框

COL1
PACK[30% /2 prod.(if fidelity)]
PACK[3.85 € /2 prod.(if fidelity)]
PACK[40% /2nd prod.]
PACK[3.5 € /2 prod.]

我想根据 COL1 创建其他列如下

fidelity_perc fidelity_euro rem_perc  rem_eu
30           3,85           40        3,5

使用正则表达式。
对于 PACK[40% /2nd prod.]我做了 (?<=PACK\[)\d+(?=%)但它也为 PACK[30% /2 prod.(if fidelity)]步行我不想要这个。

Answer 1

获取 PACK[40% /2nd prod.] ， 您可以使用

df['COL1'].str.extract(r'PACK\[(\d[\d.]*)%[^][()]*]', expand=False)

见 this regex demo .
获取 PACK[30% /2 prod.(if fidelity)] ， 您可以使用

df['COL1'].str.extract(r'PACK\[(\d[\d.]*)%[^][]*fidelity[^][]*]', expand=False)

见 this regex demo
同理，如果只有 +才需要找一个值签名，只需更换 fidelity与 \+ :

df['COL1'].str.extract(r'PACK\[(\d[\d.]*)%[^][]*\+[^][]*]', expand=False)

详情

PACK\[ - 文字 PACK[字符串

(\d[\d.]*) - 捕获组 1:一个数字，然后是任何零个或多个数字或点，尽可能多

% - 一个 %签到

[^][]* - 除 [ 之外的任何零个或多个字符和 ]尽可能多

\+ - 加分

fidelity - 一个 fidelity子串

[^][]* - 除 [ 之外的任何零个或多个字符和 ]尽可能多

[^][()]* - 除 [ 之外的任何零个或多个字符, ] , (和 )尽可能多

] - 一个 ]字符。