Question

我必须提取以“ Year”开头并以“ \ n”结尾的字符串，但是要提取出现在Pandas数据框中单元格中的每一行。另外，我想删除单元格末尾的\ n。

这是数据帧：

df

  Column1
  not_important1\nnot_important2\nE012-855 Year-1972\nE012-856 Year-1983\nnot_important3\nE012-857 Year-1977\nnot_important4\nnot_important5\nE012-858 Year-2012\n
  not_important6\nnot_important7\nE013-200 Year-1982\nE013-201 Year-1984\nnot_important8\nE013-202 Year-1987\n
  not_important9\nnot_important10\nE014-652 Year-1988\nE014-653 Year-1980\nnot_important11\nE014-654 Year-1989\n

这就是我想要得到的：

df

  Column1
  Year-1972\nYear-1983\nYear-1977\nYear-2012
  Year-1982\nYear-1984\nYear-1987
  Year-1988\nYear-1980\nYear-1989

该怎么做？

Answer 1

您可以在此正则表达式r'Year.*?\\n'中使用findall来捕获子字符串。然后使用''.join从找到的元素列表中创建一个字符串，然后使用\n删除最后一个[:-2]：

import re
df['Column1'] = df['Column1'].apply(lambda x: ''.join(re.findall('Year.*?\\n', x))[:-2])

或者，如果在一年的四位数之后总是\n，则可以通过以下方式进行操作：

df['Column1'] = df['Column1'].apply(lambda x: '\n'.join(re.findall('Year-\d\d\d\d', x)))

提取出现在熊猫细胞多行中的特定字符串

1 个答案: