mars.dataframe.Series.str.extract#

Series.str.extract(pat: 字符串, flags: 整型 = 0, expand: 布尔型 = True) → FrameOrSeriesUnion | 索引#

将正则表达式pat中的捕获组提取为DataFrame中的列。

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。

Parameters

  • pat (str) – 带有捕获组的正则表达式模式。

  • flags (int, 默认为 0 (无标志)) – 来自 re 模块的标志，例如 re.IGNORECASE，用于修改正则表达式匹配，例如大小写、空格等。有关更多详细信息，请参见 re。

  • expand (bool, default True) – 如果为 True，返回每个捕获组一个列的 DataFrame。 如果为 False，若只有一个捕获组则返回一个 Series/Index， 若有多个捕获组则返回一个 DataFrame。

Returns

每个主题字符串有一行的 DataFrame，每个组有一列。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 始终是对象，即使没有找到匹配。如果 expand=False 且 pat 只有一个捕获组，则返回 Series（如果主题是 Series）或 Index（如果主题是 Index）。

Return type

DataFrame 或 Series 或 Index

另请参阅

extractall

返回所有匹配项（不仅仅是第一个匹配）。

示例

一个具有两个组的模式将返回一个包含两列的DataFrame。非匹配项将显示为NaN。

>>> import mars.dataframe as md
>>> s = md.Series(['a1', 'b2', 'c3'])
>>> s.str.extract(r'([ab])(\d)').execute()
    0    1
0    a    1
1    b    2
2  NaN  NaN

一个模式可以包含可选组。

>>> s.str.extract(r'([ab])?(\d)').execute()
    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)').execute()
letter digit
0      a     1
1      b     2
2    NaN   NaN

如果expand=True，包含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).execute()
    0
0    1
1    2
2  NaN

如果expand=False，包含一个组的模式将返回一个Series。

>>> s.str.extract(r'[ab](\d)', expand=False).execute()
0      1
1      2
2    NaN
dtype: object