我有一个包含许多列的Pandas数据框，下面是其中的一个子集：
df.info()
SQLDATE datetime64[ns]
SOURCEURL object
df['SQLDATE', 'SOURCEURL'].sample()
SQLDATE SOURCEURL
2017-01-08 http://www.huffingtonpost.co.uk/a/abc
2018-09-25 http://www.taiwannews.com.tw/a/news/123
2016-03-19 https://www.theguardian.com/a/2016/a/1/ab-bc
2015-12-12 https://nz.news.yahoo.com/world/a/3/a/
2017-04-07 https://www.thelocal.fr/2122/jkl
2019-02-21 http://today.az/news/a/123.html
2018-05-13 The BBC World News Report
我正在寻找一个可以提取域名的列，以便获得一个新的列，如下所示：
df.sample()
SQLDATE SOURCEURL DOMAINNAME
2017-01-08 http://www.huffingtonpost.co.uk/a/abc www.huffingtonpost.co.uk
2018-09-25 http://www.taiwannews.com.tw/a/news/123 www.taiwannews.com.tw
2016-03-19 https://www.theguardian.com/a... www.theguardian.com
2015-12-12 https://nz.news.yahoo.com/world/a/3/a/ nz.news.yahoo.com
2017-04-07 https://www.thelocal.fr/2122/jkl www.thelocal.fr
2019-02-21 http://today.az/news/a/123.html today.az
2018-05-13 The BBC World News Report The BBC World News Report
数据框确实看起来很乱，其中几个
SOURCEURL字段仅包含文本，没有URL。我只想将这些值复制到DOMAINNAME列中。我对正则表达式不太熟悉，但这可能适用于这种情况。感谢您的审核！
最佳答案
我们可以在正则表达式中使用正向后向?<=和正向前向?=，以获取http://或https://与第一个/之间的所有内容：
m = df['SOURCEURL'].str.extract('(?<=http://)(.*?)(?=/)|(?<=https://)(.*?)(?=/)')
m = m[0].fillna(m[1]).fillna(df['SOURCEURL'])
df['DOMAINNAME'] = m
SQLDATE SOURCEURL DOMAINNAME
0 2017-01-08 http://www.huffingtonpost.co.uk/a/abc www.huffingtonpost.co.uk
1 2018-09-25 http://www.taiwannews.com.tw/a/news/123 www.taiwannews.com.tw
2 2016-03-19 https://www.theguardian.com/a/2016/a/1/ab-bc www.theguardian.com
3 2015-12-12 https://nz.news.yahoo.com/world/a/3/a/ nz.news.yahoo.com
4 2017-04-07 https://www.thelocal.fr/2122/jkl www.thelocal.fr
5 2019-02-21 http://today.az/news/a/123.html today.az
6 2018-05-13 The BBC World News Report The BBC World News Report
关于python - 如何提取域名并将其插入新的Pandas列？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/56842004/