Python入门 —— 正则表达式 Day9 【转载】

在数据清洗的学习过程中，发现文本数据的处理并非一招半式能解决，有时必须要搬出利器——正则表达式。在之前的【SAS正则表达式】系列中（在后台回复【sasre】查看），我用正则表达式做文本处理做的非常之爽，比如下面这列数据：

这是一份产品名单，有的用数字来编码，有的直接是产品的名字，现在想把数字编码（也即红色字体）的部分提取出来，看似没有什么规律，但是在SAS中，用正则表达式两行代码就搞定了。
现在，要挑战用正则表达式处理Pandas的数据。

一、正则表达式简介

虽然在SAS中学了正则表达式的基础，Python稍有不同，现在还是简单复习一下：

1. 元字符

元字符是一系列代码，用来简化表达某种意思，比如：
\d 表示数字
\D 表示非数字
\w 表示单词字符
\W 表示非单词字符
等等。

有一个技术博客里给了很好的总结，网址：http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html，以备查询。

2. 函数

不行，匹配不出来，因为Shuojun不是出现在开头。

二、 初识PRXPOSN()

三、用正则表达式处理Pandas数据

1.匹配行

2. 提取匹配文字

3. 提取匹配文字中的一部分

4. 总结

虽然具体的问题千奇百怪，但核心的方法都是一样的，正则表达式函数+迭代 = Pandas数据的处理。考验的还是Python技巧的综合运用。