pandas.Series.str.extract

Series.str.extract(pat, flags=0, expand=True)

在 DataFrame 中提取正则表达式 pat 中的捕获组作为列。

对于Series中的每个主题字符串，从正则表达式 pat 的第一个匹配项中提取组。

参数:

patstr

带有捕获组的正则表达式模式。

标志int, 默认 0 (无标志)

来自 re 模块的标志，例如 re.IGNORECASE，它们修改正则表达式匹配，例如大小写、空格等。更多详情，请参见 re。

展开bool, 默认为 True

如果为真，返回每个捕获组对应一列的DataFrame。如果为假，如果有一个捕获组则返回Series/Index，如果有多个捕获组则返回DataFrame。

返回:

DataFrame 或 Series 或 Index

每个主题字符串一行，每个组一列的 DataFrame。正则表达式 pat 中的任何捕获组名称将用作列名；否则将使用捕获组编号。每个结果列的 dtype 始终为对象，即使找不到匹配项也是如此。如果 expand=False 且 pat 只有一个捕获组，则返回一个 Series（如果 subject 是 Series）或 Index（如果 subject 是 Index）。

参见

extractall

返回所有匹配项（不仅仅是第一个匹配项）。

例子

具有两个组的模式将返回一个包含两列的DataFrame。不匹配的将是NaN。

>>> s = pd.Series(["a1", "b2", "c3"])
>>> s.str.extract(r"([ab])(\d)")
    0    1
0    a    1
1    b    2
2  NaN  NaN

一个模式可能包含可选的组。

>>> s.str.extract(r"([ab])?(\d)")
    0  1
0    a  1
1    b  2
2  NaN  3

命名组将成为结果中的列名。

>>> s.str.extract(r"(?P<letter>[ab])(?P<digit>\d)")
letter digit
0      a     1
1      b     2
2    NaN   NaN

如果 expand=True，带有一个组的模式将返回一个包含一列的 DataFrame。

>>> s.str.extract(r"[ab](\d)", expand=True)
    0
0    1
1    2
2  NaN

如果 expand=False，带有单个组的模式将返回一个 Series。

>>> s.str.extract(r"[ab](\d)", expand=False)
0      1
1      2
2    NaN
dtype: object