pandas.Series.str.extractall#

Series.str.extractall(pat, flags=0)[源代码]#

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的所有匹配中提取组。当Series中的每个主题字符串恰好有一个匹配时，extractall(pat).xs(0, level=’match’) 与 extract(pat) 相同。

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): 一个 re 模块标志，例如 re.IGNORECASE 。这些允许修改正则表达式匹配，例如大小写、空格等。多个标志可以用按位或运算符组合，例如 re.IGNORECASE | re.MULTILINE 。

返回:

DataFrame: 一个 DataFrame ，每行代表一个匹配项，每列代表一个组。其行具有一个 MultiIndex ，前几级来自主题 Series 。最后一级名为 ‘match’ ，索引 Series 中每个项目的匹配项。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。

参见

提取: 仅返回第一个匹配项（不是所有匹配项）。

示例

一个带有一个组的模式将返回一个带有一列的DataFrame。没有匹配的索引将不会出现在结果中。

>>> s = pd.Series(["a1a2", "b1", "c1"], index=["A", "B", "C"])
>>> s.str.extractall(r"[ab](\d)")
        0
match
A 0      1
  1      2
B 0      1

捕获组名称用于结果的列名。

>>> s.str.extractall(r"[ab](?P<digit>\d)")
        digit
match
A 0         1
  1         2
B 0         1

具有两个组的模式将返回一个包含两列的DataFrame。

>>> s.str.extractall(r"(?P<letter>[ab])(?P<digit>\d)")
        letter digit
match
A 0          a     1
  1          a     2
B 0          b     1

在结果中，不匹配的可选组是 NaN。

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