dask.dataframe.Series.str.extract
dask.dataframe.Series.str.extract¶
- dataframe.Series.str.extract(*args, **kwargs)¶
在正则表达式 pat 中提取捕获组作为 DataFrame 中的列。
此文档字符串是从 pandas.core.strings.accessor.StringMethods.extract 复制的。
Dask 版本可能存在一些不一致性。
对于Series中的每个主题字符串，从正则表达式 pat 的第一个匹配中提取组。
- 参数
- patstr (Dask 中不支持)
带有捕获组的正则表达式模式。
- 标志int, 默认 0 (无标志) (Dask 不支持)
re模块中的标志，例如re.IGNORECASE，它们修改正则表达式匹配，如大小写、空格等。更多详情，请参见re。- 展开bool, 默认 True (Dask 不支持)
如果为 True，返回一个 DataFrame，每个捕获组对应一列。如果为 False，如果只有一个捕获组则返回 Series/Index，如果有多个捕获组则返回 DataFrame。
- 返回
- DataFrame 或 Series 或 Index
每个主题字符串一行，每个组一列的 DataFrame。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。每个结果列的 dtype 始终为对象，即使找不到匹配项也是如此。如果
expand=False且 pat 只有一个捕获组，则返回一个 Series（如果 subject 是 Series）或 Index（如果 subject 是 Index）。
参见
extractall返回所有匹配项（不仅仅是第一个匹配项）。
示例
包含两个组的模式将返回一个包含两列的DataFrame。不匹配的部分将为NaN。
>>> s = pd.Series(['a1', 'b2', 'c3']) >>> s.str.extract(r'([ab])(\d)') 0 1 0 a 1 1 b 2 2 NaN NaN
模式可能包含可选组。
>>> s.str.extract(r'([ab])?(\d)') 0 1 0 a 1 1 b 2 2 NaN 3
命名组将成为结果中的列名。
>>> s.str.extract(r'(?P<letter>[ab])(?P<digit>\d)') letter digit 0 a 1 1 b 2 2 NaN NaN
如果 expand=True，一个带有一个组的模式将返回一个包含一列的 DataFrame。
>>> s.str.extract(r'[ab](\d)', expand=True) 0 0 1 1 2 2 NaN
如果 expand=False，一个带有一个组的模式将返回一个 Series。
>>> s.str.extract(r'[ab](\d)', expand=False) 0 1 1 2 2 NaN dtype: object