Python 无法使用正则表达式为表中的值集找到第一个出现的子字符串
我有一个数据帧,如下所示,我只需要找到一组值在字符串中的第一个匹配项 我无法将“find”函数与regex和dictionary一起使用。若我使用“findall”函数,它当然会找到所有我不需要的事件Python 无法使用正则表达式为表中的值集找到第一个出现的子字符串,python,python-3.x,pandas,substring,findall,Python,Python 3.x,Pandas,Substring,Findall,我有一个数据帧,如下所示,我只需要找到一组值在字符串中的第一个匹配项 我无法将“find”函数与regex和dictionary一起使用。若我使用“findall”函数,它当然会找到所有我不需要的事件 Text 51000/1-PLASTIC 150 Prange 51034/2-RUBBER KL 100 AA 51556/3-PAPER BD+CM 1 BOXT2 52345/1-FLOW IJ 10place 500 plastic 54975/1-DIVIDER PQR 100 BC
Text
51000/1-PLASTIC 150 Prange
51034/2-RUBBER KL 100 AA
51556/3-PAPER BD+CM 1 BOXT2
52345/1-FLOW IJ 10place 500 plastic
54975/1-DIVIDER PQR 100 BC
54975/1-SCALE DEF 555 AB Apple
54975/1-PLASTIC ABC 4.6 BB plastic
代码:
预期结果:
Text Result
51000/1-PLASTIC 150 Prange Plastic
51034/2-RUBBER KL 100 AA Rubber
51556/3-PAPER BD+CM 1 BOXT2 Paper
52345/1-FLOW IJ 10place 500 plastic Flow
54975/1-DIVIDER PQR 100 BC Not known
54975/1-SCALE DEF 555 AB Apple Not KNown
54975/1-PLASTIC ABC 4.6 BB plastic Plastic
错误:
TypeError:find()获得意外的关键字参数“flags”
通过索引str[0]
,将findall
返回的列表的选择第一个值改为find
:
import re
L = ['PLASTIC','RUBBER','PAPER','FLOW']
pat = '|'.join(r"\b{}\b".format(x) for x in L)
df['Result'] = df['Text'].str.findall(pat, flags=re.I).str[0]
或使用:
然后将缺少的值转换为未知的
:
df['Result'] = df['Result'].fillna("Not known")
如有必要,最后使用:
您是否可以尝试将findall函数分配给一个变量&然后执行变量[0]
?关于findall(regex,string)[0],添加[0]以指示值集中字符串的第一个元素。简单的
df['Result'] = df['Text'].str.extract('(' + pat + ')', flags=re.I)
df['Result'] = df['Result'].fillna("Not known")
df['Result'] = df['Result'].str.capitalize()
print (df)
Text Result
0 51000/1-PLASTIC 150 Prange Plastic
1 51034/2-RUBBER KL 100 AA Rubber
2 51556/3-PAPER BD+CM 1 BOXT2 Paper
3 52345/1-FLOW IJ 10place 500 plastic Flow
4 54975/1-DIVIDER PQR 100 BC Not known
5 54975/1-SCALE DEF 555 AB Apple Not known
6 54975/1-PLASTIC ABC 4.6 BB plastic Plastic