如何在python中使用Criteria分割字符串数据？

我想知道数据帧中字符串列表的一些表达式。 如何使用python拆分字符串值？ 我正在使用替换方法。 但是，我找不到只删除节点号的方法

数据帧

index    article_id
0      ['@abc_172', '@abc_249', '@abc-32', '@def-1']
1      ['@az3_2', '@bwc_4', '@xc-34', '@xc-1']   
2      ['@ac_12']
3      ['#ea457870a2d32453609f52e50f84abdc_15', '@bb_3']
4       ...
...     ...

我想要这样

index       article_id                      article_id_unique_count
0      ['abc', 'abc', 'abc', 'def']                   2
1      ['az3', 'bwc', 'xc', 'xc']                     3
2      ['ac']                                         1
3      ['#ea457870a2d32453609f52e50f84abdc', 'bb']    2

 ...

---

使用

re.findall

df['article_id'] =  df.article_id.apply(lambda x: re.findall('([#a-z0-9]+)',x)).apply(lambda x: [i for i in x if i.isdigit() == False])

df['article_id_unique_count'] = df['article_id'].apply(lambda x: len(set(x)))

输出

                                article_id  article_id_unique_count
0                     [abc, abc, abc, def]                        2
1                       [az3, bwc, xc, xc]                        3
2                                     [ac]                        1
3  [#ea457870a2d32453609f52e50f84abdc, bb]                        2

---

在apply中应用regex并设置为对列表中的唯一元素计数

import re
df = pd.DataFrame(data={"id":[0,1,2],
                        "article_id":[["abc_172", "@abc_249", "@abc-32", "@def-1"],
                                      ["@az3_2", "@bwc_4", "@xc-34", "@xc-1"],
                                      ["@#ea457870a2d32453609f52e50f84abdc_15"]]})

df['article_id'] = df['article_id'].apply(lambda x : re.sub('[!@$]','', i).split("-")[0].split("_")[0] for i in x])
df['article_id_unique_count'] = df['article_id'].apply(lambda x : len(set(x)))

---

假设分隔符是

-

或

：

df['article_id'].map(lambda x:[re.findall('@*(.+?)[-_]', s)[0] for s in x], 1)

输出：

0                       [abc, abc, abc, def]
1                         [az3, bwc, xc, xc]
2                                       [ac]
3    [#ea457870a2d32453609f52e50f84abdc, bb]

然后可以使用

apply（lambda x:len（set（x））

---

请注意，第1行的第一个元素

az3

也被正确提取。

使用

的其他解决方案也适用。我总是尝试在不使用
apply
的情况下找到解决方案。我想出了这个。从列表中简单构造数据框，
堆栈
到系列，并使用
str.extract
和
agg

(pd.DataFrame(df.article_id.tolist(), index=df.index).stack().str.extract(r'@?(.*)[_-]')
            .groupby(level=0)[0].agg([list, 'nunique'])
            .rename(columns={'list': 'article_id', 'nunique': 'article_id_unique_count'}))

Out[15]:
                                article_id  article_id_unique_count
0                     [abc, abc, abc, def]                        2
1                       [az3, bwc, xc, xc]                        3
2                                     [ac]                        1
3  [#ea457870a2d32453609f52e50f84abdc, bb]                        2

非常感谢你！非常感谢你的帮助。我想知道这个值“#ea457870a2d32453609f52e50f84abdc15”。这是有别于其他id值的文章id。我怎样才能组合这个来修改它？预期的输出是什么..abdc？好的，我会试试你推荐的方法！感谢您的反馈..查看..如果您有任何建议，欢迎编辑..@AndyL。我更喜欢没有
应用的解决方案：）非常感谢！非常感谢你的帮助。如上所述，我想知道类似此值“#EA457870A2D32453609F52E50F84ABDC15”的信息。这是有别于其他id值的文章id。我怎样才能组合起来修改它呢？
re.sub（“[^A-Za-z]+”，“”，i）
这个正则表达式实际上只从字符串中提取字母表，你需要定义你想从字符串中提取什么类型的字符
。\ea457870a2d32453609f52e50f84abdc\u 15
根据这篇文章\u id正确的articleId应该是什么？根据我的正则表达式，它只能提取字母谢谢你，克里斯，我尝试了你推荐的方法，但它是运行错误。像这样的“索引器：列表索引超出范围”。我该怎么办？
(pd.DataFrame(df.article_id.tolist(), index=df.index).stack().str.extract(r'@?(.*)[_-]')
            .groupby(level=0)[0].agg([list, 'nunique'])
            .rename(columns={'list': 'article_id', 'nunique': 'article_id_unique_count'}))

Out[15]:
                                article_id  article_id_unique_count
0                     [abc, abc, abc, def]                        2
1                       [az3, bwc, xc, xc]                        3
2                                     [ac]                        1
3  [#ea457870a2d32453609f52e50f84abdc, bb]                        2