Parse Pandas df Spalte mit regex Extrahieren Teil

Question

ich eine Pandas df eine Säule, bestehend aus Text wie enthalten:

String1::some_text::some_text;String2::some_text::;String3::some_text::some_text;String4::some_text::some_text 

kann ich sehen:

1. Der Anfang des Textes enthält immer die erste Zeichenfolge, die ich extrahieren möchte
2. Der Rest der Zeichenfolgen sind zwischen "::" und ";"

Ich möchte eine neue Spalte erstellen enthält:

String1, String2, String3, String4 

Alle separed durch ein Komma, aber immer noch in der gleichen Spalte.

Wie wird das Problem behandelt?

Danke für Ihre Hilfe

Answer 1

Ich würde nur eine Lambda-Funktion anwenden, die Operation, die Sie tun möchten, zu tun (Split zuerst auf " ; ", dann spalte auf" :: "und behalte das erste Element und verbinde sie zurück):

df['new_col'] = df['old_col'].apply(lambda s: ", ".join(t.split("::")[0] for t in s.split(";"))) 

Sie auch Splitting auf :: vermeiden können, da einfach vor den ersten : stoppen ist genug:

df['new_col'] = df['old_col'].apply(lambda s: ", ".join(t[:t.index(":")] for t in s.split(";"))) 

Answer 2

try this:

In [136]: df.txt.str.findall(r'String\d+').str.join(', ') 
Out[136]: 
0 String1, String2, String3, String4 
Name: txt, dtype: object 

Daten:

In [137]: df 
Out[137]: 
                            txt 
0 String1::some_text::some_text;String2::some_text::;String3::some_text::some_text;String4::some_t... 

Setup:

df = pd.DataFrame({'txt': ['String1::some_text::some_text;String2::some_text::;String3::some_text::some_text;String4::some_text::some_text']}) 

Answer 3

betrachten die Datenrahmen df mit Spalte txt

df = pd.DataFrame(['String1::some_text::some_text;String2::some_text::;String3::some_text::some_text;String4::some_text::some_text'] * 10, 
        columns=['txt']) 
df 

---

verwenden eine Kombination aus str.split und groupby

df.txt.str.split(';', expand=True).stack() \ 
     .str.split('::').str[0].groupby(level=0).apply(list) 

0 [String1, String2, String3, String4] 
1 [String1, String2, String3, String4] 
2 [String1, String2, String3, String4] 
3 [String1, String2, String3, String4] 
4 [String1, String2, String3, String4] 
5 [String1, String2, String3, String4] 
6 [String1, String2, String3, String4] 
7 [String1, String2, String3, String4] 
8 [String1, String2, String3, String4] 
9 [String1, String2, String3, String4] 
dtype: object