yearslessdaysfrom 距距
在Pandas中，我有一个名为TermNew的数据框架列，其中包含以下小写字符串(请忽略项目符号-我在格式化时遇到问题)
TermNew
999 years from 1/01/2001
999年(少于20天)从20/11/2000
99 years from 1/10/1979
999 years from 1/01/1992
我试图提取所有字母字符(只有a-z，没有数字，没有空格，没有()或/)从TermNew到一个新的列Termtext与这些预期的结果
Termtext
距我尝试了以下操作，但它只返回到第一个空白处的字母，即
leaseterm1 [' Termtext '] = leaseterm1 [' TermNew '] .str.extract (r" ([a - z] +)")
<输出/strong>
年- 年
- 年
- 年
在regex101中，我可以使用全局标志来正确匹配所有字母。
1/这是str提取只找到第一个匹配还是的问题
2/这是一个正则表达式问题-我没有包括任何形式的全局搜索过去的第一个空白?
感谢收到任何建议。由于
您可以使用str.extractall()，聚合多个匹配的结果，如下所示:
leaseterm1['Termtext'] = leaseterm1['TermNew'].str.extractall(r"([a-z]+)").groupby(level=0).agg(''.join)
或使用GroupBy.sum进行聚合:
leaseterm1['Termtext'] = leaseterm1['TermNew'].str.extractall(r"([a-z]+)").groupby(level=0).sum(numeric_only=False)
结果:
print(leaseterm1)
TermNew Termtext
0 999 years from 1/01/2001 yearsfrom
1 999 years (less 20 days) from 20/11/2000 yearslessdaysfrom
2 99 years from 1/10/1979 yearsfrom
3 999 years from 1/01/1992 yearsfrom
关于你的问题:
从str.extract()的官方文档
对于系列中的每个主题字符串，从第一个主题字符串中提取组匹配正则表达式pat.
str.extract()只提取第一个匹配项。
如果你想提取多个匹配，你应该使用str.extractall()代替。
Forstr.extractall():
对于系列中的每个主题字符串，从所有匹配中提取组正则表达式pat.
替换除a-z以外的所有字符更容易
leaseterm1['Termtext'] = leaseterm1['TermNew'].str.replace(r"[^a-z]+", "")
TermNew Termtext
0 999 years from 1/01/2001 yearsfrom
1 999 years (less 20 days) from 20/11/2000 yearslessdaysfrom
2 99 years from 1/10/1979 yearsfrom
3 999 years from 1/01/1992 yearsfrom