我正在查看一个数据集,其中有"City“列,其中的值是格式化的,例如实体”City“、{”合肥“、”安徽“、”中国“}。我想清理这个专栏,以便只留下这个城市的名字。在上面的例子中,除了合肥,我想要删除所有的东西。我试着用regex来使用trying和lstrip。尽管基于在线regex调试器网站,我的regex看起来是正确的,但是代码不起作用。下面是我使用的代码:
df['City'] = df['City'].map(lambda x: x.lstrip(r'(Entity["City", {")').rstrip(r'(",\s"\w+"}])'))我希望结果就是合肥。但我得到的结果是:
Hefei", "Anhui", "Chinaneed似乎正在工作,但rstrip只删除"}],而不删除我需要删除的其他字符。
我希望有人能知道我在哪里犯错,或者给我一个更好的方法来完成这件事。
发布于 2020-03-22 14:20:10
IIUC,你可以:
df['city'] = df['city'].str.extract('{"(.+?)"')
print(df)输出
city
0 Hefei模式'{"(.+?)"'意味着在第一个'{'匹配之后提取引号之间的所有内容,尽可能少的文本。
https://stackoverflow.com/questions/60800369
复制相似问题