Question

我有一个pandas数据框，其中包含不同长度和字符的字符串。

例如：

print df['name'][0]
print df['name'][1]
print df['name'][2]
print df['name'][3]

会返回这样的内容：

UserId : Z5QF1X33A
loginId : test.user
UserId : 0000012348;  searchText : Cap
accountSampleToExclude : 0;  accountSampleName : Sample Text;  UserId : Z5QF1X33A;  accountSampleType : Test;  accountSample : Test

我想要做的是能够解析列，只返回实际的相关ID，所以基于上面的例子：

Z5QF1X33A
test.user
0000012348
Z5QF1X33A

我认为正则表达式是解决这个问题的一种简单方法，但到目前为止，我只能为部分情况提出一些硬编码伪解决方案：

 df['name'] = df['name'].str.strip(r'(?<=\UserId :).*')
 df['name'] = df['name'].str.strip(r'(?<=\loginId :).*')

这适用于与

类似的行

df['name'][0] 
df['name'][1]

但不会为其他案件工作。任何帮助都会非常感激，我意识到没有正则表达式就可以解决它，可能只是使用str.split（）方法，但不确定如何以pythonic和/或pandas方式进行。

Answer 1

试试这个：

In [31]: df.name.str.extract(r'\b(?:UserId|loginId)\s*:\s*\b([^\s]+)\b', expand=True)
Out[31]:
            0
0   Z5QF1X33A
1   test.user
2  0000012348
3   Z5QF1X33A

根据与部分字符串的匹配过滤pandas数据帧

1 个答案: