python - 在 Python Pandas 中使用正则表达式提取字符串的一部分

Question

我是一名从事数据​​科学项目的学生，我需要从我的数据框的一列中提取一部分。数据框如下所示： column。

我想从“HOTHOTVIDEO HOT0501005107 FilmVidéoClub”之类的字符串中提取部分 HOTHOTVIDEO

所以我用这样的正则表达式写了这个指令： facturation['annotation']=facturation['annotation'].str.findall('([A-Z0-9]{3}\d+)').apply(''.join)

它提取所有正确的东西，除非有时我有这样的字符串：“CTVCANALVODCTV0200052670CTV0200052670”，它返回CTV0200052670CTV0200052670，但只想要第一次出现：像这样

有人可以帮我解决这个问题吗:)

标签： pythonregexpandasdata-scienceextract

Answer 1

我认为问题出在您的apply + join和findall方法中，因为您在数据中匹配了 2 次此模式，然后您加入了它。findall为您返回列表。从列表中，您只需要第一项，而不是全部。