Python pandas 的 str.extract ()中正则表达式注意事项

使用str.extract ()提取电话号码时发现,正则表达式里有几对(),就会提取出几列数据,有时会和期望的答案不一样。举例说明:

三种格式的号码:

###-###-####
# (###) ###-####
# ### ### ####

正则表达式:(\d\s)?\(?\d{3}\)?[-\s]\d{3}[-\s]\d{4}

这样的正则表达式本来没有问题,但是一放进str.extract,如:data.column.str.extract(r'(\d\s)?\(?\d{3}\)?[-\s]\d{3}[-\s]\d{4}'),结果如下:

因为正则表达式包含一对(),即(\d\s)?,所以只匹配出最前面的那部分内容。

如果整个表达式外面加(),即data.column.str.extract(r'((\d\s)?\(?\d{3}\)?[-\s]\d{3}[-\s]\d{4})'),结果如下:

第一列匹配正常,但是多了第二列(应该匹配的是(\d\s)?)。

换一种方法,(\d\s)不用(),?分开加在\d和\s后面,即data.column.str.extract(r'(\d?\s?\(?\d{3}\)?[-\s]\d{3}[-\s]\d{4})'),结果如下:

这个结果是期望得到的结果。

所以要么用第三种写法,就是如果第一个()里的内容多的话就很麻烦了,要么用第二种方法,然后选取第一列即可。

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值