获取pandas列中第二次出现后前4个字符之前的所有子字符串

Question

我有以下数据帧：

import pandas as pd
data = {'URL': ['https://weibo.com/6402575118/Iy0zjtMNZ', 'https://weibo.com/6402575118/Hellothere', 'https://weibo.com/6402575118/hithere']}
df = pd.DataFrame(data, columns=['URL'])

我想要获取第二次出现"/“之后直到第四个字符的所有子字符串，这样：

data = {'URL': ['https://weibo.com/6402575118/Iy0z', 'https://weibo.com/6402575118/Hell', 'https://weibo.com/6402575118/hith']}
df = pd.DataFrame(data, columns=['URL'])

我该如何做到这一点？

我知道如何拆分和获取字符串的第一部分，即

df['URL'] = df['URL'].str.split("/").str[0]

但我不确定如何施加发生条件？

Answer 1

只需改变拆分的方式即可。使用alphanumerics immediately to the left of digit、特殊字符/和4 alphanumerics进行拆分，然后选择结果列表中的第一个字符串

df['URL']=df.URL.str.split('(?<=\d\/\w{4})\w+').str[0]

   

            URL
0  https://weibo.com/6402575118/Iy0z
1  https://weibo.com/6402575118/Hell
2  https://weibo.com/6402575118/hith

Answer 2

如果在第4次出现/后需要替换，请将Series.str.split与n=4一起使用，然后连接并添加为str.cat中的第一个5th值过滤的4字符串

s = df['URL'].str.split("/", n=4)
df['URL'] = s.str[:4].str.join('/').str.cat(s.str[4].str[:4], '/')
print (df)
                                 URL
0  https://weibo.com/6402575118/Iy0z
1  https://weibo.com/6402575118/Hell
2  https://weibo.com/6402575118/hith

另一个想法是由rsplit从右侧拆分出来的：

s = df['URL'].str.rsplit("/", n=1)
df['URL'] = s.str[0].str.cat(s.str[-1].str[:4], '/')
print (df)
                                 URL
0  https://weibo.com/6402575118/Iy0z
1  https://weibo.com/6402575118/Hell
2  https://weibo.com/6402575118/hith