Python 基于分隔符吐出列

我想从我的数据框中的列中提取一些信息：

范例

Col
7 points  — it is an example ...
13 points  — as above ...
some other text ...
1 point  — "what to say more?"
13 points  — ...
11 points  — 1234 ...

我使用str.contain来提取第一部分（即，第一个破折号之前的所有信息，如果有的话）

m = (df['Col'].str.contains(r'(?i)^\d+\spoint | points'))
df[m]

我仍然得到相同的原始列（因此没有提取）。我的输出将包含两列，一列没有点信息（Col1），另一列（Col2）有提取的文本

Col1
7 points  
13 points 
# need to still keep the row, even if empty
1 point 
13 points
11 points

及

重要的是要考虑第一个破折号所在的地方，因为我可能在文本中包含更多的破折号。 它似乎是这个符号

-

，但它可能是一个较长的破折号。我从数据集中复制并粘贴了它，但在这里复制它似乎略有不同。

Series.str.split

我们可以围绕分隔符

\s-\s

拆分列

Col

，并将拆分次数限制为

1

，以避免多次出现

\s-\s

df[['Col1', 'Col2']] = df['Col'].str.split(r'\s—\s', n=1, expand=True)

---

---

尝试将

str.extract

与正则表达式一起使用

Ex:

import pandas as pd

df[['Col1', 'Col2']] = df['Col'].str.extract(r"(\d+ points?)?\s*\—?\s*(.*)", expand=True)
print(df)

                                Col       Col1                  Col2
0  7 points  — it is an example ...   7 points  it is an example ...
1         13 points  — as above ...  13 points          as above ...
2               some other text ...        NaN   some other text ...
3    1 point  — "what to say more?"    1 point   "what to say more?"
4                  13 points  — ...  13 points                   ...
5             11 points  — 1234 ...  11 points              1234 ...

输出：

import pandas as pd

df[['Col1', 'Col2']] = df['Col'].str.extract(r"(\d+ points?)?\s*\—?\s*(.*)", expand=True)
print(df)

                                Col       Col1                  Col2
0  7 points  — it is an example ...   7 points  it is an example ...
1         13 points  — as above ...  13 points          as above ...
2               some other text ...        NaN   some other text ...
3    1 point  — "what to say more?"    1 point   "what to say more?"
4                  13 points  — ...  13 points                   ...
5             11 points  — 1234 ...  11 points              1234 ...

---

你试过

str.extract（）吗

谢谢你的回答，Shubham Sharma。我注意到，如果没有-，原始数据集中会丢失一些文本。我没有得到任何文本，而不是文本。在上面的例子中，如果是

其他文本…

。你能检查一下你是否也会遇到这种情况吗？@Val我们没有丢失任何文本实际上，如果没有

-

，那么所有then文本都将出现在第一列。但是如果您希望文本出现在

2列

中，那么我们可能必须使用

提取

，如@Rakesh在其答案中所示。感谢Rakesh。如果有多个术语（例如，分/分或分隔符前的分数/分数），因为我可以更改它？例如，我可能在同一列中有

1分-…

，但也有

10分-bla-bla-bla

。

（\d+分？\d+分？）\s*-？\s*（*）

？