Python 如何使用正则表达式提取熊猫中的字符串？

我有一个数据帧：

游泳（4） 1 4远足（1） 2运行（12） 3.5捕鱼（2）

如何通过删除第二列中的括号来提取字符串，如下所示：

|     |  sid  | Hobby (times per month) |
|-----+-------+-------------------------|
|  0  |   3   |        swimming         |
|-----+-------+-------------------------|
|  1  |   4   |        hiking           |
|-----+-------+-------------------------|
|  2  |   2   |        running          |
|-----+-------+-------------------------|
|  3  |   5   |        fishing          |

---

例如，如果希望将

游泳（4）

更改为

游泳

，可以使用以下正则表达式：

^([\w]+)[\s]*\([\s]*[\d]*[\s]*\)[\s]*$

演示：

测试用例：

swimming(4)
hiking   (1 )
running ( 12 )
fishing( 2 )
hiking(1) 

匹配：

Match 1
Full match  0-11    `swimming(4)`
Group 1.    0-8 `swimming`
Match 2
Full match  12-25   `hiking   (1 )`
Group 1.    12-18   `hiking`
Match 3
Full match  26-40   `running ( 12 )`
Group 1.    26-33   `running`
Match 4
Full match  41-53   `fishing( 2 )`
Group 1.    41-48   `fishing`
Match 5
Full match  54-64   `hiking(1) `
Group 1.    54-60   `hiking`

---

您可以使用'str'方法匹配pandas中的字符串

df.columns = ['sid','Hobby']
df.Hobby = df.Hobby.str.extract(r'(\w*)')

---

要在pandas中实现正则表达式，可以使用pandas.apply（）：

---

查看apply（或者它是map？）如果它始终是结构

hobby\u xyz（n\u次）

，那么您可以在

（

上拆分字符串，只保留第一个元素。

df.columns = ['sid','Hobby']
df.Hobby = df.Hobby.str.extract(r'(\w*)')

import re

def remove_brackets(string):
    part = regexp_matcher.findall(string)
    if not part:
        return string
    return part[0]

regexp_matcher = re.compile(r'^([\w]+)[\s]*\([\s]*[\d]*[\s]*\)[\s]*$')
df = pd.DataFrame()
df['string'] = ['swimming(4)', 'swimming(4)', 'swimming(4)']    
df['new_string'] = df['string'].apply(remove_brackets)