Python使用正则表达式提取列中的字符串部分

我有一个名为“Raw”的列，其格式不一致。它包含的字符串如下所示：

'(1T XXX, Europe)'
'(2T YYYY, Latin America)'
'(3T ZZ/ZZZZ, Europe)'
'(4T XXX XXX, Africa)'

在“原始”字符串中唯一一致的是它们以一个数字开头，中间包含逗号，后面是空白，它们也包含括号。

现在，我想在我的数据框中创建两个额外的列（Model和Region）：

df['Model'] = [x.split(',')[0].replace('(', '') for x in df['Raw']]
df['Region'] = [x.split(',')[1].replace(')', '') for x in df['Raw']]

• “Model”将包含字符串的开头，即第一个括号和逗号之间的所有内容
• “Region”将包含字符串的结尾，即逗号后的空格和最后一个括号之间的所有内容

如何使用regex实现这一点？

试试这个：

\（[^，]*），（[^]*）\）

---

请参阅：

因为只有一个逗号，所有内容都在括号之间，所以在您的情况下，在适当切片后，请使用

.str.split（）

：

model_region = df.Raw.str[1:-1].str.split(', ', expand = True)

但如果你坚持：

model_region = df.Raw.str.extract('\((.*), (.*)\)', expand = True)

然后

---

Model=re.findall（r）（？如果逗号是字符串部分的可靠分隔符，则不需要regexp。如果df是数据帧：

df['Model'] = [x.split(',')[0].replace('(', '') for x in df['Raw']]
df['Region'] = [x.split(',')[1].replace(')', '') for x in df['Raw']]

如果您想使用regexp，它将如下所示：

s = '(1T XXX, Europe)'
m = re.match('\(([\w\s]+),([\w\s]+)\)', s)
model = m.group(1)
region = m.group(2)

string_list = ['(1T XXX, Europe)',
'(2T YYYY, Latin America)',
'(3T ZZ/ZZZZ, Europe)',
'(4T XXX XXX, Africa)']
df = pd.DataFrame(string_list)
df = df[0].str.extract("\(([^,]*), ([^)]*)\)", expand=False)

df['Model'] = [x.split(',')[0].replace('(', '') for x in df['Raw']]
df['Region'] = [x.split(',')[1].replace(')', '') for x in df['Raw']]

s = '(1T XXX, Europe)'
m = re.match('\(([\w\s]+),([\w\s]+)\)', s)
model = m.group(1)
region = m.group(2)