公眾號(hào)：尤而小屋
作者：Peter
編輯：Peter

今天給大家介紹兩個(gè)Pandas中處理文本數(shù)據(jù)的函數(shù)，主要功能是從文本內(nèi)容中提取想要的信息：extract + extractall

建議：如果你有點(diǎn)正則匹配的基本知識(shí)，食用本文更香~

一、extract函數(shù)

1.1語法說明

extract函數(shù)的具體使用形式如下，只有3個(gè)參數(shù)：

Series.str.extract(pat,?flags=0,?expand=None)

參數(shù)的具體解釋為：

• pat：字符串或者正則表達(dá)式

• flags：整型

• expand：布爾值，是否返回DataFrame；T-是，F-否

1.2模擬數(shù)據(jù)

我們看看一個(gè)官網(wǎng)提供的簡(jiǎn)單案例，下面是模擬的數(shù)據(jù)Series：

1.3匹配1

在下面的例子中，匹配了兩組模式的數(shù)據(jù)；一對(duì)()表示匹配一組：

• [ab]：表示從ab字母中任意匹配一個(gè)

• \d：表示匹配一個(gè)數(shù)字

通過結(jié)果，我們可以發(fā)現(xiàn)2點(diǎn)：

當(dāng)匹配多組規(guī)則的時(shí)候，如果沒有匹配成功，則用NaN來代替

當(dāng)?shù)谝唤M模式?jīng)]有匹配成功的時(shí)候，第二組匹配無效

關(guān)于第2點(diǎn)：在c3中雖然后面的\d匹配到了數(shù)字，但是前面的[ab]是沒有匹配成功的，c不滿足ab中的任意一個(gè)，所以最終整體還是NaN

1.4匹配2

下面的匹配和上面的區(qū)別在于多個(gè)了問號(hào)?，結(jié)果卻不同

在進(jìn)行正則匹配的時(shí)候，問號(hào)?表示匹配前面元素的1個(gè)或者0個(gè)。所以在c3中，[ab]可以說是匹配到了0個(gè)，用NaN代替，也是匹配成功

1.5匹配3

在匹配的時(shí)候指定列名，生成最終的DataFrame：

列名的指定使用?P<column>

1.6參數(shù)expand使用

關(guān)于參數(shù)expand的使用：

• expand = True：返回的是DataFrame

• expand = False：返回的是Series或者Index

通過下面兩個(gè)例子的比較，我們就能夠觀察到expand的作用：

二、extractall函數(shù)

2.1語法說明

extract只返回第一個(gè)匹配到的字符；extractall將匹配所有返回的字符

Series.str.extractall(pat,?flags=0)

參數(shù)的具體解釋為：

• pat：字符串或者正則表達(dá)式

• flags：整型

返回值一定是一個(gè)DataFrame數(shù)據(jù)框

2.2模擬數(shù)據(jù)

下面是模擬了一份新的數(shù)據(jù)：

下面通過3個(gè)例子來對(duì)比兩個(gè)函數(shù)的區(qū)別：

2.3對(duì)比1

單組模式下的匹配

2.4對(duì)比2

多組模式下的匹配：

2.5對(duì)比3

多組模式下的匹配，且加上列名：

三、實(shí)戰(zhàn)案例

下面通過一個(gè)實(shí)際的案例來講解如何使用extract函數(shù)：

3.1模擬數(shù)據(jù)

name字段中其實(shí)是同時(shí)包含了姓名和性別兩個(gè)信息，address字段中同時(shí)包含了省份和城市：

df?=?pd.DataFrame({"name":["Tom-male","Peter?male","Jimmy-female","Mike?male","John-female"],"address":["廣東省深圳市","廣東省廣州市","浙江省杭州市","江蘇省南京市","湖南省長(zhǎng)沙市"]}) df

3.2提取省份

快速提取地址address中的省份信息，其中.*?表示匹配任意內(nèi)容

3.3提取省份+城市

同時(shí)提取省份+城市，還可以指定列名信息：

3.4提取名字+性別

從字段name中將姓名和性別同時(shí)提取出來，\w表示匹配一個(gè)字母，+表示匹配多個(gè)字符

四、正則匹配小知識(shí)

在這里簡(jiǎn)單介紹一點(diǎn)關(guān)于正則匹配的小知識(shí)，下面內(nèi)容來自谷歌分析：

4.1通配符

.匹配任何單個(gè)字符（字母、數(shù)字或符號(hào)）1. 可以匹配 10、1A ?1.1 可以匹配 111、1A1

?	匹配前面的字符 0 次或 1 次	10? 可以匹配 1、10
+	匹配前面的字符 1 次或多次	10+ 可以匹配 10、100
*	匹配前面的字符 0 次或多次	1* 可以匹配 1、10
|	創(chuàng)建 OR（或）匹配 ?請(qǐng)勿在表達(dá)式末尾使用	1|10 可以匹配 1、10

4.2定位符

^匹配位于字符串開頭的相鄰字符^10 可以匹配 10、100、10x ?；無法匹配 110、110x

$	匹配位于字符串結(jié)尾的相鄰字符	10$ 可以匹配 110、1010 ?；無法匹配 100、10x

4.3問號(hào) (?)

問號(hào) (?) 匹配前面的字符 0 次或 1 次。例如，10? 可以匹配：

• 1 ? ?：問號(hào)前面的0匹配了0次

• 10 ? ：問號(hào)前面的0匹配了1次

4.4加號(hào) (+)

加號(hào) (+) 匹配前面的字符 1 次或多次。例如，10+ 可以匹配：

• 10 ?：0匹配一次

• 100 ?：0匹配兩次

• 1000 ? ：0匹配三次

4.5星號(hào) (*)

星號(hào) (*) 匹配前面的字符 0 次或多次。例如，10* 可以匹配：

• 1 ?：前面的0匹配0次

• 10 ?：匹配1次

• 100

• 1000

往期精彩回顧適合初學(xué)者入門人工智能的路線及資料下載(圖文+視頻)機(jī)器學(xué)習(xí)入門系列下載中國大學(xué)慕課《機(jī)器學(xué)習(xí)》（黃海廣主講）機(jī)器學(xué)習(xí)及深度學(xué)習(xí)筆記等資料打印《統(tǒng)計(jì)學(xué)習(xí)方法》的代碼復(fù)現(xiàn)專輯 AI基礎(chǔ)下載機(jī)器學(xué)習(xí)交流qq群955171419，加入微信群請(qǐng)掃碼：

總結(jié)

以上是生活随笔為你收集整理的Pandas文本处理双雄extract+extractall的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。