通过分隔符计数和位置从数据框中提取特定文本

Question

学习正则表达式，偶然发现了一点墙。 我有以下数据框：

item_data=pandas.DataFrame({'item':['001','002','003'],
'description':['Fishing,Hooks,12-inch','Fishing,Lines','Fish Eggs']})

对于每个描述，我想在第二个逗号“，”之前提取所有内容。如果没有逗号，则保留原始描述

结果应如下所示：

item_data=pandas.DataFrame({'item':['001','002','003'],
'description':['Fishing,Hooks,12-inch','Fishing,Lines','Fish Eggs'],
'new_description':['Fishing,Hooks','Fishing,Lines', 'Fish Eggs']})

任何指针都会非常感激。

感谢。

Answer 1

new_description = [",".join(i.split(",")[:2]) for i in item_data['description']]

Answer 2

使用正则表达式...

re.sub("^([^,]*,[^,]*),.*$", "\\1", x)

意思是

• ^字符串开头
• (开始捕获
• [^,]除了逗号外的任何内容
• *零次或多次
• ,逗号
• [^,]除了逗号外的任何内容
• *零次或多次
• )捕获结束
• ,另一个逗号
• .*任何
• $字符串结尾

替换第1组（\1）的内容会删除第二个逗号后出现的内容