Pandas：从列中提取所有正则表达式匹配项，用分隔符连接

Question

我需要从列中的字符串中提取所有匹配项并填充第二列。匹配项将由逗号分隔。

df2 = pd.DataFrame([[1000, 'Jerry', 'string of text BR1001_BR1003_BR9009 more string','BR1003',''], 
                [1001, '', 'BR1010_BR1011 random text', 'BR1010',''], 
                ['', '', 'test to discardBR3009', 'BR2002',''],
                [1003, 'Perry','BR4009 pure gibberish','BR1001',''],
                [1004, 'Perry2','','BR1001','']],
               columns=['ID', 'Name', 'REGEX string', 'Member of','Status'])

表示要提取的代码的模式。

BR_pat = re.compile(r'(BR[0-9]{4})', re.IGNORECASE)

希望在专栏中输出

BR1001, BR1003, BR9009
BR1010,BR1011
BR3009
BR4009

我的尝试：

df2['REGEX string'].str.extractall(BR_pat).unstack().fillna('').apply(lambda x: ", ".join(x))

输出：

 match
0  0        BR1001, BR1010, BR3009, BR4009
   1                    BR1003, BR1011, , 
   2                          BR9009, , ,

缺少多余的逗号和行。我做错了什么？

Answer 1

你需要使用

>>> df2['REGEX string'].str.findall(r'BR\d{4}').str.join(", ")
0    BR1001, BR1003, BR9009
1            BR1010, BR1011
2                    BR3009
3                    BR4009
4                          
Name: REGEX string, dtype: object

使用Series.str.findall，您可以提取字符串值中出现的所有模式，它返回“字符串列表的系列/索引”。要将它们连接成单个字符串，请Series.str.join()使用 。