使用的代码不起作用

Question

我在此之前提出过类似问题Split multi delimiter columns into multiple column

目前的问题

df
Unique
3:107912234-107912321(-):Cep290
4:107913333-107913322(+):Myra1
Y:222002110-221002100(+):Znpl1
MT:34330044-343123232(-):Brca2
X:838377373-834121212(+):AC007040.11

使用的代码不起作用

df_new = df['unique'].str.extract("(?P<chr>.*?):(?P<start>\d+)-(?P<end>\d+)\((?P<strand>[-+]:(?P<gene_n>[A-Za-z]d+))", expand=True)

输出

print(df_new.head(5))
   chr start  end strand gene_n
0  NaN   NaN  NaN    NaN    NaN
1  NaN   NaN  NaN    NaN    NaN
2  NaN   NaN  NaN    NaN    NaN
3  NaN   NaN  NaN    NaN    NaN
4  NaN   NaN  NaN    NaN    NaN

问题

我怎样才能分割出基本名称的最后一个字符串

中找到的元素的可能性

genename[. or -][numbers]
genename[numbers]

Answer 1

这个正则表达式可以解决问题

df['Unique'].str.extract('(?P<chr>.*):(?P<start>\d+)-(?P<end>\d+)\((?P<strand>.*)\):(?P<gene_n>.*)')

你得到了

    chr start       end         strand  gene_n
0   3   107912234   107912321   -       Cep290
1   4   107913333   107913322   +       Myra1
2   Y   222002110   221002100   +       Znpl1
3   MT  34330044    343123232   -       Brca2
4   X   838377373   834121212   +       AC007040.11

你的解决方案没有处理strand的结束括号，在这种情况下，gene_n是字符和数字的混合。处理字母数字的最好方法是\ w +，[A-Za-z] d +不像其他人指出的那样工作

在字符串和整数上使用str.extract

使用的代码不起作用

输出

问题

1 个答案: