熊猫在正则表达式上分裂

Question

我的pandas df包含一个包含逗号分隔特征的列，如下所示：

Shot - Wounded/Injured, Shot - Dead (murder, accidental, suicide), Suicide - Attempt, Murder/Suicide, Attempted Murder/Suicide (one variable unsuccessful), Institution/Group/Business, Mass Murder (4+ deceased victims excluding the subject/suspect/perpetrator , one location), Mass Shooting (4+ victims injured or killed excluding the subject/suspect

我想将此列拆分为多个虚拟变量列，但无法弄清楚如何启动此过程。我正在尝试像这样拆分列：

df['incident_characteristics'].str.split(',', expand=True)

但是，这不起作用，因为描述中间有逗号。取而代之的是，我需要根据逗号的正则表达式匹配，后跟一个空格和一个大写字母进行拆分。str.split可以使用正则表达式吗？如果是这样，这是怎么做的？

我认为正则表达式可以满足我的需求：

,\s[A-Z]

Answer 1

是的，split支持正则表达式。根据您的要求，

根据逗号的正则表达式匹配后跟一个空格和一个大写字母进行拆分

您可以使用

df['incident_characteristics'].str.split(r'\s*,\s*(?=[A-Z])', expand=True)

请参阅regex演示。

细节

• \s*,\s* -包含0+空格的逗号
• (?=[A-Z]) -仅在后跟大写ASCII字母时

然而，似乎还不想匹配括号内的逗号，加上(?![^()]*\))先行如果失败了比赛，马上到当前位置的右边，还有比其他0+字符(和)再)：

r'\s*,\s*(?=[A-Z])(?![^()]*\))'

并且可以防止在括号内（括号内没有括号）中的大写单词之前匹配逗号。

参见另一个正则表达式演示。