如何在python中使用正则表达式返回子字符串

Question

我正在清理一个数据集，我想从Pandas系列中提取一些特性(并删除没有这些特性的行)。

基本上，我想把这个变成：

meter
Author: Stephen Duck Metrical foot type: iambic (-+) Metrical foot number: pentameter (5 feet)  Rhyme scheme: aa  
Author: Marko bulk Metrical foot type: anapaestic (--+) Metrical foot number: trimeter Rhyme scheme: ababcdcd

对此：

foot         feet_number
iambic       pentameter
anapaestic   trimeter

我已经成功地完成了下面的代码，我制作了本系列的一个副本来使用替换函数。

它不是Pythonic的，我相信它也不是熊猫最有效的使用方式。我循环两次找到第一个特性，然后再循环两个循环来找到第二个特性。

这适用于第一个特性(对于具有不同模式的第二个特性也是如此)

pattern1=r'.* Metrical foot type: '
pattern2=r'\( .* \) Metrical foot number: '

dataset['meter']=dataset['meter'].str.replace(pattern1, "")
dataset['meter']=dataset['meter'].str.replace(pattern2, "")

然后循环删除没有这两个特性的行。

有什么办法可以改进吗？

Answer 1

您可以在以下表达式中使用str.extract()：

foot type:\s+(?P<foot>\w+)
.*?
foot number:\s+(?P<feet_number>\w+)

​

在Python中

​

import pandas as pd

df = pd.DataFrame({'meter': ['Author: Stephen Duck Metrical foot type: iambic (-+) Metrical foot number: pentameter (5 feet)  Rhyme scheme: aa', 'Author: Marko bulk Metrical foot type: anapaestic (--+) Metrical foot number: trimeter Rhyme scheme: ababcdcd']})

df[['foot', 'feet_number']] = df['meter'].str.extract(r'foot type:\s+(?P<foot>\w+).*?foot number:\s+(?P<feet_number>\w+)', expand=True)
print(df)

这产生了：

                                               meter        foot feet_number
0  Author: Stephen Duck Metrical foot type: iambi...      iambic  pentameter
1  Author: Marko bulk Metrical foot type: anapaes...  anapaestic    trimeter

​

见a demo for the expression on regex101.com。

​