0

Есть DataFrame, в котором есть различный текст, из которых нужно вытащить слова по нескольким маскам:

Пример найти № 52 прием
Второй пример СС: 32342 алло
Третий пример ГГ 543 вот так

Соответственно, есть две маски: № xx, где хх - любые две цифры. Во втором случае - CC: xxxxx, т.е. любые пять цифр. На выходе нужно получить: № 52 и СС: 32342. И также необходимо если удалить всю строку, в которой найдется маска ГГ xxx.

T.е. на выходе нужно получить:

№ 52 
СС: 32342
1

1 ответ 1

2

Исходный DataFrame:

In [29]: df
Out[29]:
                           text
0       Пример найти № 52 прием
1  Второй пример СС: 32342 алло
2  Третий пример ГГ 543 вот так

Решение:

mask = df["text"].str.contains(r"ГГ\s\d{3}")
patterns = ["СС:\s+\d{5}", "№\s+\d{2}"]
pat = r"({})".format("|".join(patterns))
res = df.loc[~mask, "text"].str.extract(pat)

Результат:

           0
0       № 52
1  СС: 32342

Regular Expression:

In [49]: print(pat)
(СС:\s+\d{5}|№\s+\d{2})
6
  • the label [] is not in the [index] выдает
    – CR7
    23 окт 2019 в 11:42
  • Это в какой строке? 23 окт 2019 в 11:43
  • в последней строке. Если без loc, то pattern contains no capture groups
    – CR7
    23 окт 2019 в 11:44
  • А что означает ?: и \s* ?
    – CR7
    23 окт 2019 в 11:50
  • Указание регулярному выражению не выделять память для совпадения, не сохраняет в группу. 23 окт 2019 в 12:09

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge you have read our privacy policy.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.