pandas.Series.str.extractall

Series.str.extractall(pat, flags=0)

提取 regex pat 中的捕获组作为 DataFrame 中的列。

对于 Series 中的每个主题字符串，从正则表达式 pat 的所有匹配项中提取组。当 Series 中的每个主题字符串只有一个匹配项时，extractall(pat).xs(0, level=’match’) 与 extract(pat) 相同。

Parameters:

patstr

带捕获组的正则表达式模式。

flagsint，默认为 0（无标志）。

re 模块标志，例如 re.IGNORECASE。这些标志允许修改正则表达式匹配，例如大小写、空格等。多个标志可以用按位或运算符组合，例如 re.IGNORECASE | re.MULTILINE。

Returns:

DataFrame

一个 DataFrame，其中每行对应一个匹配项，每列对应一个组。其行具有一个 MultiIndex，第一个级别来自主题 Series。最后一个级别命名为 ‘match’，用于索引 Series 中每个项的匹配项。正则表达式 pat 中的任何捕获组名称都将用作列名；否则将使用捕获组编号。

参见

extract

仅返回第一个匹配项（而不是所有匹配项）。

Examples

包含一个组的模式将返回一个单列 DataFrame。没有匹配项的索引将不会出现在结果中。

>>> s = pd.Series(["a1a2", "b1", "c1"], index=["A", "B", "C"])
>>> s.str.extractall(r"[ab](\d)")
        0
match
A 0      1
  1      2
B 0      1

捕获组名称用作结果的列名。

>>> s.str.extractall(r"[ab](?P<digit>\d)")
        digit
match
A 0         1
  1         2
B 0         1

包含两个组的模式将返回一个包含两列的 DataFrame。

>>> s.str.extractall(r"(?P<letter>[ab])(?P<digit>\d)")
        letter digit
match
A 0          a     1
  1          a     2
B 0          b     1

未匹配的可选组在结果中为 NaN。

>>> s.str.extractall(r"(?P<letter>[ab])?(?P<digit>\d)")
        letter digit
match
A 0          a     1
  1          a     2
B 0          b     1
C 0        NaN     1