python使用re正则表达式提取dataframe数据类型中以-分隔的第一个数字

可以使用pandas中的`str.extract()`方法结合正则表达式来提取。

假设需要提取的列名为`col_name`，可以使用以下代码：

import pandas as pd

# 构造样例数据
df = pd.DataFrame({'col_name': ['123-456', '789-012', '345-678']})

# 提取第一个数字
df['new_col'] = df['col_name'].str.extract(r'^(\d+)-')

# 查看结果
print(df)

输出：

  col_name new_col
0  123-456     123
1  789-012     789
2  345-678     345

上述代码中，正则表达式`r'^(\d+)-'`表示：

- `^`：匹配字符串的开头
- `(\d+)`：匹配一个或多个数字，并且使用括号将其分组，方便后续提取
- `-`：匹配一个横杠

因此，提取的结果就是以横杠分隔的第一个数字。

相关问题

python 提取txt文件中冒号和逗号间数据 pandas

你可以使用 pandas 库中的 `read_csv` 函数来提取 txt 文件中冒号和逗号间的数据。首先，确保你已经安装了 pandas 库。然后，使用以下代码读取 txt 文件：

import pandas as pd

# 读取 txt 文件，指定分隔符为冒号或逗号
df = pd.read_csv('your_file.txt', sep=':|,', engine='python')

# 打印提取的数据
print(df)

在上述代码中，`your_file.txt` 是你要读取的 txt 文件路径。`sep=':|,'` 指定分隔符为冒号或逗号。`engine='python'` 参数用于支持正则表达式的分隔符。

这样，你就可以通过 pandas 将冒号和逗号间的数据提取到 DataFrame 中，并进行进一步的处理和分析。

写出Pandas代码。标题行通过正则表达式设定3个条件，根据条件为CSV进行分列。正文内容根据空格进行分列。

好的，以下是一个使用Pandas库根据正则表达式将CSV文件按照标题行指定条件和正文内容空格进行分列的Python代码示例：

import re
import pandas as pd

# 设定正则表达式，分别匹配3个条件
regex = re.compile(r'(?P<col1>\w+),(?P<col2>\d+),(?P<col3>\w+)')

# 读取CSV文件并解析标题行
df = pd.read_csv("example.csv", header=0, nrows=0)  # 仅读取标题行
match = regex.match(','.join(df.columns))  # 将标题行合并成字符串，然后进行匹配
if match:
    # 获取每个列名对应的分组值
    col1 = match.group('col1')
    col2 = match.group('col2')
    col3 = match.group('col3')

    # 读取CSV文件中的数据，并按照指定条件进行分列
    df = pd.read_csv("example.csv", sep=r'\s+', usecols=[3], names=["content"], skiprows=1)
    df[[col1, col2, col3]] = df.content.str.split(expand=True)

    # 将分列后的数据保存为新的CSV文件
    df.to_csv("output.csv", index=False, columns=[col1, col2, col3])

在上述代码中，我们首先使用`pd.read_csv`方法读取CSV文件，并设置`header=0`和`nrows=0`参数仅读取标题行。然后，我们将标题行合并成字符串，并使用`re.match`方法匹配这个字符串。如果匹配成功，我们就可以通过`match.group`方法获取每个列名对应的分组值。接着，我们使用`pd.read_csv`方法读取CSV文件中的数据，使用`sep`参数指定分隔符为空格，使用`usecols`参数仅读取第3列，使用`names`参数指定列名为`content`，使用`skiprows`参数跳过标题行。然后，我们使用`str.split`方法将`content`列根据空格进行分列，使用`expand=True`参数将分列后的结果展开为多列，并将这些列添加到原DataFrame对象中。最后，我们使用`df.to_csv`方法将分列后的数据保存为新的CSV文件。