从pandas datafram的列中提取hashtags

Question

我有一个数据帧df。我想从Max==45的tweets中提取hashtags：

Max    Tweets
42   via @VIE_unlike at #fashion
42   Ny trailer #katamaritribute #ps3
45   Saved a baby bluejay from dogs #fb
45   #Niley #Niley #Niley 

我正在尝试这样的方法，但它给出的数据帧是空的：

^{pr2}$

熊猫身上有什么东西可以让我更快更有效地完成这个任务吗。在

Answer 1

您可以使用pd.Series.str.findall：

^{1}$

这将返回lists的列

如果您想先筛选然后再查找，可以使用boolean indexing轻松完成：

^{pr2}$

---

这里使用的regex是：

#.*?(?=\s|$)

要理解它，就把它分解：

• #.*?-对以hashtag开头的单词执行非贪婪匹配
• (?=\s|$)-向前看单词的结尾或句子的结尾

如果有可能在一个单词的中间有#，而这个单词是而不是一个hashtag，则会产生您不希望出现的误报。在这种情况下，可以修改regex以包含lookbehind：

(?:(?<=\s)|(?<=^))#.*?(?=\s|$)

regex lookbehind断言句子的开头或空格必须位于#字符之前。在