Pandas 字符串操作（extract 和 findall）

Question

这是Python数据科学手册中关于字符串操作方法的2个例子，我很难理解。

str.extract()

monte = pd.Series(['Graham Chapman', 'John Cleese', 'Terry Gilliam',
                              'Eric Idle', 'Terry Jones', 'Michael Palin'])
monte.str.extract('([A-Za-z]+)')

此操作returns Series 中每个元素的名字。我在提取函数中没有得到表达式输入。

str.findall()

monte.str.findall(r'^[^AEIOU].*[^aeiou]$')

此操作 returns 如果原始元素以辅音开头和结尾，则 returns 否则为空列表。我认为 ^ 运算符代表元音的否定。 *运算符结合了元音大小写的情况。然而，我不明白其余的运营商。

请帮助我理解这些输入表达式。提前致谢。

Answer 1

第一个^表示在字符串的开头，而$表示在字符串的结尾，举个例子：

>>> import re
>>> s = 'a123a'
>>> re.findall('^a', s)
['a']
>>>

这只打印一个 a 因为我有 ^ 符号，它只能在字符串的开头找到。

这和$一样，$只从字符串末尾开始找东西，这里是一个例子：

>>> import re
>>> s = 'a123a'
>>> re.findall('a$', s)
['a']
>>>

已编辑：

r的意思是原始字符串。原始字符串就是它的样子。例如，反斜杠 \ 不会转义，它只是一个常规反斜杠。

Answer 2

你的第一个例子：

'([A-Za-z]+)'

指的是由'()'标记的组，其中包含大小写字符的任意组合（方括号之间的值）。括号后面的 + 号表示您需要其中一个或多个。所以它基本上匹配任何字母组合，直到它找到一个 'non'-字母，在你的例子中，它是名字和姓氏之间的 space。因此，正则表达式 returns 每行的名字。

第二个例子：

'^[^AEIOU].*[^aeiou]$'

第一个 ^ 表示字符串的开头，然后方括号中的第二个 ^ 表示您提到的否定（因此匹配除方括号中的内容之外的任何内容）。所以这里的第一部分意味着你的匹配应该以大写非元音字母开头。然后是 .* ，其中 '.'表示任何字符（换行符除外；因此这不再与您的辅音相关）并且“*”表示它们的零个或多个值。到目前为止，您的正则表达式是这样说的：以大写非元音字母开头，后跟字母的任意组合。最后一部分：'[^aeiou]$' 表示您的字符串应以小写非元音字母结尾。这是由表示字符串结尾的 $ 符号决定的。

所以是的，在这里您实际上只返回以大写辅音开头并以小写辅音结尾的匹配项。

Pandas 字符串操作（extract 和 findall）

Pandas string operations (extract and findall)

python

regex

pandas

string-operations