pandas用正则表达式非贪婪模式匹配

在pandas中，可以使用str.extract()或str.extractall()函数来进行正则表达式的匹配。非贪婪模式可以通过在正则表达式中添加“？”来实现。

例如，假设我们有以下数据：

import pandas as pd

data = pd.DataFrame({'text': ['abc123def456', 'abc789def012']})

我们想要从text列中提取数字，可以使用如下代码：

data['numbers'] = data['text'].str.extract(r'(\d+)')

这个正则表达式r'(\d+)'表示匹配一个或多个数字。默认情况下，正则表达式是贪婪模式的，即会尽可能多地匹配字符。因此，上述代码会得到以下结果：

       text    numbers
0  abc123def456   123456
1  abc789def012   789012

可以看到，匹配结果包含了所有的数字，而不是只提取出数字。为了使用非贪婪模式，可以在正则表达式中添加“？”符号，表示匹配尽可能少的字符。修改代码如下：

data['numbers'] = data['text'].str.extract(r'(\d+?)')

这样，正则表达式会尽可能少地匹配数字，得到以下结果：

       text    numbers
0  abc123def456   123
1  abc789def012   789

可以看到，提取结果只包含数字，而不是数字串。