理解pandas中的系列提取函数中的正则表达式

Question

我有以下代码：

import pandas as pd
s = pd.Series(['toy story (1995)', 'the pirates (2014)'])
print(s.str.extract('.*\((.*)\).*',expand = True))

输出：

     0
0  1995
1  2014

据我所知，提取函数正在拉取两个系列对象的括号之间的值。但是我不明白怎么做。 '.*\((.*)\).*'究竟是什么意思？我认为星号表示外卡字符，但除此之外，我对这个表达式实际发生的事情感到很困惑。

Answer 1

.*\(匹配一切直到第一个(

\).*匹配从)到结束的所有内容

(.*)返回前两场比赛之间的所有内容

Answer 2

.*             Match any number of characters
\(             Match one opening parenthesis
    (.*)       Match any number of characters into the first capturing group
\)             Match a closing parenthesis
.*             Match any number of characters

这种表示法称为正则表达式，我猜Pandas在extract函数中使用正则表达式，因此您可以获得更精确的数据。捕获组内的内容将被返回。

您可以在Wikipedia page上了解有关正则表达式的更多信息。

这是使用正则表达式的a test example。