使用正则表达式熊猫添加新列

Question

你好，我有一个df，例如：

COL1 COL2
A g1
B g1.t1
C transcript_id "g1.t1"; gene_id "g1"
D g2
E g2.t1
F transcript_id "g2.t1"; gene_id "g2"
G transcript_id "g2.t1"; gene_id "g2"

，我想添加一个新的COL3，我只在每行中放置gvalue

在这里我应该得到：

COL1 COL2                               COL3
A g1                                    g1
B g1.t1                                 g1
C transcript_id "g1.t1"; gene_id "g1"   g1
D g2                                    g2
E g2.t1                                 g2
F transcript_id "g2.t1"; gene_id "g2"   g2
G transcript_id "g2.t1"; gene_id "g2"   g2

我可以使用re.sub之类的东西吗？

我尝试过：

table[COL3]= re.sub(r'(?<=transcript_id )*.+(?<=gene_id ")','',table[COL2])

Answer 1

是吗

df['COL3'] = df.COL2.str.extract('(g\d+)')

输出：

  COL1                                 COL2 COL3
0    A                                   g1   g1
1    B                                g1.t1   g1
2    C  transcript_id "g1.t1"; gene_id "g1"   g1
3    D                                   g2   g2
4    E                                g2.t1   g2
5    F  transcript_id "g2.t1"; gene_id "g2"   g2
6    G  transcript_id "g2.t1"; gene_id "g2"   g2