python - 使用 pandas 正则表达式基于逗号字符分隔列数据

Question

我有一个如下所示的数据框

df = pd.DataFrame({'val': ['V583 ,ATTENTION, PRIMARY','Y9207,INDOOR LIVING, sEcondary',' z526, liver,primary ','12345678, test, secondary',',project,']})

我想val根据comma字符拆分/分离列数据。

例如，所有字符都before 1st comma应该进入first列，同样，所有字符应该进入列，所有字符应该进入列after 1st commabefore 2nd commasecondafter 2nd commabefore 3rd commathird

我尝试了以下

df['val'].astype(str).str.extract(r'\s*([a-zA-Z0-9\s]*)',expand=True)

我希望我的输出如下所示

标签： pythonregexpandasdataframeseries

Answer 1

Series.str.extractall

我们可以将extract所有出现的捕获组指定为正则表达式模式，然后unstack进行重塑。

df['val'].str.extractall(r'([^,]+)(?:\s*,\s*|$)')[0].unstack()

---

match         0              1          2
0         V583       ATTENTION    PRIMARY
1         Y9207  INDOOR LIVING  sEcondary
2          z526          liver   primary 
3      12345678           test  secondary
4       project            NaN        NaN

正则表达式详细信息：

• ([^,]+): 第一个捕获组
  • [^,]+：匹配列表中不存在的任何字符[,]一次或多次。
• (?:\s*,\s*|$): 非捕获组
  • \s*,\s*: 第一种选择
    • \s*: 匹配任何空白字符零次或多次
    • ,: 从字面上匹配字符逗号
    • \s*: 匹配任何空白字符零次或多次
  • $: 第二种选择在行尾断言位置

PS：如果您有任意数量的逗号分隔字符串，此方法也可以工作。