从pandas数据框列中查找所有正则表达式匹配项
问题描述:
我正在尝试从数据框中提取一些数据,但是以下查询仅提取第一个匹配项,而忽略其余匹配项,例如,如果整个数据为:
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 ...
正则表达式为:
df['newCol']=df['value'].str.extract("[0-9]{3}")
我希望结果是一个新的列名“ newCol”,例如:
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
这是怎么了 :(
谢谢
更新:
感谢MaxU,我找到了解决方案,仅提出了几点建议。我有Pandas
0.18.1,所以直到我将Pandas更新到0.19之前,extractall才对我有用,所以如果您遇到Extractall的问题,请记住检查您的熊猫版本…第二,apply(’,’。join)没有之所以为我工作,是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,最后对MaxU解决方案进行了少量修改。
x['value'].str.extractall(r'(\d{3})').unstack().apply(lambda x:','.join(x.dropna()), axis=1)
我在Windows 8.1 64位计算机上运行python 2.7 32位。我有Access 2013和一个尝试从python和pyodbc访问的.accdb文件。我可以在64位ODBC管 ...