Pandas Series.str.extract() 方法

Pandas 中的Series.str.extract() 方法允许您从 Series 中的每个字符串元素或 DataFrame 中的列中提取与指定正则表达式模式匹配的子字符串。此方法对于基于正则表达式模式将字符串的特定部分提取到 DataFrame 中的单独列中特别有用。

通过使用正则表达式模式，您可以轻松控制提取字符串的哪些部分。此方法从正则表达式模式的第一个匹配项中提取组。然后，提取的组可以作为 DataFrame 中的列返回，从而可以轻松处理复杂的文本数据。

语法

以下是 Pandas Series.str.extract() 方法的语法：

Series.str.extract(pat, flags=0, expand=True)

参数

Series.str.extract() 方法接受以下参数：

• pat − 表示具有捕获组的正则表达式模式的字符串。

• flags − 整数，默认为 0（无标志）。可以从re 模块（例如re.IGNORECASE）使用标志来修改正则表达式匹配。

• expand − 布尔值，默认为 True。如果为 True，则返回一个 DataFrame，每个捕获组对应一列。如果为 False，则如果只有一个捕获组，则返回 Series/Index，如果有多个捕获组，则返回 DataFrame。

返回值

Series.str.extract() 方法返回 DataFrame、Series 或 Index。结果将对每个主题字符串有一行，对每个组有一列。正则表达式模式中的捕获组名称将用于列名；否则，将使用捕获组编号。即使找不到匹配项，每个结果列的 dtype 始终为 object。如果expand=False 并且模式只有一个捕获组，则返回 Series 或 Index。

示例 1

在此示例中，我们通过基于正则表达式模式提取 Series 中字符串的特定部分来演示 Series.str.extract() 方法的用法。

在这里，我们使用具有命名捕获组的正则表达式模式从 Series 中每个字符串中提取字母后跟数字。

import pandas as pd
import numpy as np

# Create a Series of strings
s = pd.Series(['Python1', 'Tutorialspoint2', 'caT3', np.nan])

# Extract letter followed by a digit
result = s.str.extract(r'(?P<letter>[a-zA-Z])(?P<digit>\d)')

print("Input Series:")
print(s)
print("\nDataFrame after calling str.extract():")
print(result)

运行上述代码后，将产生以下输出：

Input Series:
0           Python1
1    Tutorialspoint2
2              caT3
3               NaN
dtype: object

DataFrame after calling str.extract():
  letter digit
0      n     1
1      t     2
2      T     3
3    NaN   NaN

示例 2

在此示例中，我们演示了如何使用Series.str.extract() 方法基于具有多个捕获组的正则表达式模式提取 Series 中字符串的特定部分。

import pandas as pd

# Create a Series of strings
s = pd.Series(['Order123', 'Invoice456', 'Receipt789'])

# Extract 'Order', 'Invoice', or 'Receipt' followed by digits
result = s.str.extract(r'(?P<type>[A-Za-z]+)(?P<number>\d+)')

print("Input Series:")
print(s)
print("\nDataFrame after calling str.extract():")
print(result)

以下是上述代码的输出：

Input Series:
0      Order123
1    Invoice456
2    Receipt789
dtype: object

DataFrame after calling str.extract():
      type number
0    Order    123
1  Invoice    456
2  Receipt    789

示例 3

在此示例中，我们演示了如何使用Series.str.extract() 方法从一系列电子邮件地址中提取电子邮件用户名。

import pandas as pd

# Create a Series of email addresses
s = pd.Series(['user1@example.com', 'info@tutorialspoint.com', 'contact@website.org'])

# Extract usernames from email addresses
result = s.str.extract(r'(?P<username>^[^@]+)')

print("Input Series:")
print(s)
print("\nDataFrame after calling str.extract()):")
print(result)

以下是上述代码的输出：

Input Series:
0          user1@example.com
1    info@tutorialspoint.com
2        contact@website.org
dtype: object

DataFrame after calling str.extract():
  username
0    user1
1     info
2  contact