Python 熊猫中str.extract与str.count正则表达式的用法

我试图理解为什么

str.extract“（[\d+%]）”

返回

NaN

，而

str.count“（[\d+%]）”

在分析数据帧列中的文本时返回正确答案

比如说,

df = pd.DataFrame({'Subject':['3 hrs only! 35% off', 'Secret Savings!', 'Sale: 40% off']})
pattern = re.compile(r"(\d+%)")
df['Discount'] = df['Subject'].str.count(pattern)

…如您所料，在第1行和第3行中生成一个折扣列，其中包含“1”。但是,

df['Discount'] = df['Subject'].str.extract(pattern)

…取而代之的是南斯。我不明白为什么count可以解析百分比，而extract不能。这让我有点疯狂，因为它看起来应该很简单。

在随后的熊猫版本中修复了该问题

现在，使用Pandas 0.24.2，您可以使用

>>> df.index=['a', 'b', 'c']
>>> df
               Subject Discount
a  3 hrs only! 35% off      35%
b      Secret Savings!      NaN
c        Sale: 40% off      40%
>>> df['Subject'].str.extract(pattern)
     0
a  35%
b  NaN
c  40%

---

我想你的引号和括号顺序不对<代码>“（…）”vs

（“…）

你的小例子对我来说很好。但是，pandas 0.13.1的

extract

中有一个bug（在master中已修复）。请参见此处：。如果将索引设置为初始默认值[0,1,2，…，N]之外的值，则

extract

return NaNs。因此，如果我在你的例子中将索引改为['a'，'b'，'c'，]，我也会得到所有的NaN。