我创建了一个数据框df，其中有一个包含以下值的列：
category
20150115_Holiday_HK_Misc
20150115_Holiday_SG_Misc
20140116_DE_ProductFocus
20140116_UK_ProductFocus
我想创建3个新列
category | A | B | C
20150115_Holiday_HK_Misc 20150115_Holiday_Misc HK Holiday_Misc
20150115_Holiday_SG_Misc 20150115_Holiday_Misc SG Holiday_Misc
20140116_DE_ProductFocus 20140116_ProductFocus DE ProductFocus
20140116_UK_ProductFocus 20140116_ProductFocus UK ProductFocus
在A栏中，我想删除“ _HK”-我想我需要手动对此进行编码，但是这很好，我具有所有国家/地区代码的列表
在B列中，就是那个国家/地区代码
C列是A列，开头没有日期
我正在尝试类似的方法，但没有走得太远。
df['B'] = np.where([df['category'].str.contains("HK")==True], 'HK', 'Not Specified')
谢谢
最佳答案
您可以使用Series.str.extract()方法：
# remove two characters (Country Code) surrounded by '_'
df['A'] = df.category.str.replace(r'_\w{2}_', '_')
# extract two characters (Country Code) surrounded by '_'
df['B'] = df.category.str.extract(r'_(\w{2})_', expand=False)
df['C'] = df.A.str.extract(r'\d+_(.*)', expand=False)
结果：
In [148]: df
Out[148]:
category A B C
0 20150115_Holiday_HK_Misc 20150115_Holiday_Misc HK Holiday_Misc
1 20150115_Holiday_SG_Misc 20150115_Holiday_Misc SG Holiday_Misc
2 20140116_DE_ProductFocus 20140116_ProductFocus DE ProductFocus
3 20140116_UK_ProductFocus 20140116_ProductFocus UK ProductFocus
关于python - Python Pandas部分字符串匹配，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/42446916/