我一直试图从pandas数据帧中提取大写子字符串,但没有成功。如何在panda中只提取大写的子字符串?
这是我的MWE:
MWE
import numpy as np
import pandas as pd
df = pd.DataFrame({'col': ['cat', 'cat.COUNT(example)','cat.N_MOST_COMMON(example.ord)[2]']})
df['feat'] = df['col'].str.extract(r"[^A-Z]*([A-Z]*)[^A-Z]*")
print(df)
"""
col feat
0 cat NaN
1 cat.COUNT(example) T
2 cat.N_MOST_COMMON(example.ord)[2] N
""";
预期输出
col feat
0 cat
1 cat.COUNT(example) COUNT
2 cat.N_MOST_COMMON(example.ord)[2] N_MOST_COMMON
怎么样:
df['feat'] = df.col.str.extract('([A-Z_]+)').fillna('')
输出:
col feat
0 cat
1 cat.COUNT(example) COUNT
2 cat.N_MOST_COMMON(example.ord)[2] N_MOST_COMMON
如果你说每个单元格中只有一个大写单词,你也可以使用replace
df['feat'] = df['col'].str.replace(r"[^A-Z_]", '')
Out[681]:
col feat
0 cat
1 cat.COUNT(example) COUNT
2 cat.N_MOST_COMMON(example.ord)[2] N_MOST_COMMON
您可以将re.sub()
与模式[^A-Z|_]
:一起使用
import re
df = pd.DataFrame({'col': ['cat', 'cat.COUNT(example)','cat.N_MOST_COMMON(example.ord)[2]']})
df['feat'] = df['col'].apply(lambda x: re.sub('[^A-Z|_]', '', x))
df
Out[1]:
col feat
0 cat
1 cat.COUNT(example) COUNT
2 cat.N_MOST_COMMON(example.ord)[2] N_MOST_COMMON