公眾號：尤而小屋
作者：Peter
編輯：Peter

今天給大家介紹兩個Pandas中處理文本數據的函數，主要功能是從文本內容中提取想要的信息：extract + extractall

建議：如果你有點正則匹配的基本知識，食用本文更香~

一、extract函數

1.1語法說明

extract函數的具體使用形式如下，只有3個參數：

Series.str.extract(pat,?flags=0,?expand=None)

參數的具體解釋為：

• pat：字符串或者正則表達式

• flags：整型

• expand：布爾值，是否返回DataFrame；T-是，F-否

1.2模擬數據

我們看看一個官網提供的簡單案例，下面是模擬的數據Series：

1.3匹配1

在下面的例子中，匹配了兩組模式的數據；一對()表示匹配一組：

• [ab]：表示從ab字母中任意匹配一個

• \d：表示匹配一個數字

通過結果，我們可以發現2點：

當匹配多組規則的時候，如果沒有匹配成功，則用NaN來代替

當第一組模式沒有匹配成功的時候，第二組匹配無效

關于第2點：在c3中雖然后面的\d匹配到了數字，但是前面的[ab]是沒有匹配成功的，c不滿足ab中的任意一個，所以最終整體還是NaN

1.4匹配2

下面的匹配和上面的區別在于多個了問號?，結果卻不同

在進行正則匹配的時候，問號?表示匹配前面元素的1個或者0個。所以在c3中，[ab]可以說是匹配到了0個，用NaN代替，也是匹配成功

1.5匹配3

在匹配的時候指定列名，生成最終的DataFrame：

列名的指定使用?P<column>

1.6參數expand使用

關于參數expand的使用：

• expand = True：返回的是DataFrame

• expand = False：返回的是Series或者Index

通過下面兩個例子的比較，我們就能夠觀察到expand的作用：

二、extractall函數

2.1語法說明

extract只返回第一個匹配到的字符；extractall將匹配所有返回的字符

Series.str.extractall(pat,?flags=0)

參數的具體解釋為：

• pat：字符串或者正則表達式

• flags：整型

返回值一定是一個DataFrame數據框

2.2模擬數據

下面是模擬了一份新的數據：

下面通過3個例子來對比兩個函數的區別：

2.3對比1

單組模式下的匹配

2.4對比2

多組模式下的匹配：

2.5對比3

多組模式下的匹配，且加上列名：

三、實戰案例

下面通過一個實際的案例來講解如何使用extract函數：

3.1模擬數據

name字段中其實是同時包含了姓名和性別兩個信息，address字段中同時包含了省份和城市：

df?=?pd.DataFrame({"name":["Tom-male","Peter?male","Jimmy-female","Mike?male","John-female"],"address":["廣東省深圳市","廣東省廣州市","浙江省杭州市","江蘇省南京市","湖南省長沙市"]}) df

3.2提取省份

快速提取地址address中的省份信息，其中.*?表示匹配任意內容

3.3提取省份+城市

同時提取省份+城市，還可以指定列名信息：

3.4提取名字+性別

從字段name中將姓名和性別同時提取出來，\w表示匹配一個字母，+表示匹配多個字符

四、正則匹配小知識

在這里簡單介紹一點關于正則匹配的小知識，下面內容來自谷歌分析：

4.1通配符

.匹配任何單個字符（字母、數字或符號）1. 可以匹配 10、1A ?1.1 可以匹配 111、1A1

?	匹配前面的字符 0 次或 1 次	10? 可以匹配 1、10
+	匹配前面的字符 1 次或多次	10+ 可以匹配 10、100
*	匹配前面的字符 0 次或多次	1* 可以匹配 1、10
|	創建 OR（或）匹配 ?請勿在表達式末尾使用	1|10 可以匹配 1、10

4.2定位符

^匹配位于字符串開頭的相鄰字符^10 可以匹配 10、100、10x ?；無法匹配 110、110x

$	匹配位于字符串結尾的相鄰字符	10$ 可以匹配 110、1010 ?；無法匹配 100、10x

4.3問號 (?)

問號 (?) 匹配前面的字符 0 次或 1 次。例如，10? 可以匹配：

• 1 ? ?：問號前面的0匹配了0次

• 10 ? ：問號前面的0匹配了1次

4.4加號 (+)

加號 (+) 匹配前面的字符 1 次或多次。例如，10+ 可以匹配：

• 10 ?：0匹配一次

• 100 ?：0匹配兩次

• 1000 ? ：0匹配三次

4.5星號 (*)

星號 (*) 匹配前面的字符 0 次或多次。例如，10* 可以匹配：

• 1 ?：前面的0匹配0次

• 10 ?：匹配1次

• 100

• 1000

往期精彩回顧適合初學者入門人工智能的路線及資料下載(圖文+視頻)機器學習入門系列下載中國大學慕課《機器學習》（黃海廣主講）機器學習及深度學習筆記等資料打印《統計學習方法》的代碼復現專輯 AI基礎下載機器學習交流qq群955171419，加入微信群請掃碼：

總結

以上是生活随笔為你收集整理的Pandas文本处理双雄extract+extractall的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。