Question

我正在尝试从数据框中提取一些数据，但是在查询之后只提取第一个匹配并忽略其余匹配，例如，如果整个数据是：

df['value']=
           0   123 blah blah blah, 456 blah blah blah, 129kfj blah blah
           1   237 blah blah blah, 438 blah blah blah, 365kfj blah blah 
           ...

和正则表达式是：

df['newCol']=df['value'].str.extract("[0-9]{3}")

我希望结果是一个新的列名＆＃34; newCol＆＃34;为：

newCol
------
123,456,129
237,438,365
...

但我得到的实际结果只是第一个数字：

newCol
------
123
237

这里有什么问题？：（

谢谢

更新

感谢MaxU我找到了解决方案，只是几个建议。我有Pandas 0.18.1所以我没有为我工作，直到我将熊猫更新到0.19，所以如果你有Extractall问题，请记得查看你的熊猫版本...第二，申请（＆＃39;，＆＃ 39; .join）对我没用，因为我有一些非字符串值（Null值）并且它无法处理它所以我使用了Lambda，它最终使用了一个小的MaxU解决方案修改。 / p>

x['value'].str.extractall(r'(\d{3})').unstack().apply(lambda x:','.join(x.dropna()), axis=1)

Answer 1

您可以使用Series.str.extractall()方法：

In [57]: x
Out[57]:
                                                    value
0  123 blah blah blah 456 blah blah blah 129kfj blah blah
1  237 blah blah blah 438 blah blah blah 365kfj blah blah

In [58]: x['newCol'] = x['value'].str.extractall(r'(\d{3})').unstack().apply(','.join, 1)

In [59]: x
Out[59]:
                                                    value       newCol
0  123 blah blah blah 456 blah blah blah 129kfj blah blah  123,456,129
1  237 blah blah blah 438 blah blah blah 365kfj blah blah  237,438,365

<强>更新

In [77]: x
Out[77]:
                                                      value
0  123 blah blah blah, 456 blah blah blah, 129kfj blah blah
1  237 blah blah blah, 438 blah blah blah, 365kfj blah blah

In [78]: x['value'].str.extractall(r'(\d{3})').unstack().apply(','.join, 1)
Out[78]:
0    123,456,129
1    237,438,365
dtype: object

从pandas数据帧列

1 个答案: