如何匹配regex模式，并使用Pandas将其替换为匹配的组？

Question

我有以下熊猫系列：

SC_S193_M7.CONTROLDAY10.EPI.P1_Stem
SC_S194_M7.CONTROLDAY10.EPI.P1_Goblet
SC_S102_M1.CONTROLDAY3.EPI2_Enterocyte
SC_S106_M1.CONTROLDAY3.EPI2_Goblet

我想使用regex来提取本系列中每行最后一个下划线之后的字符串。我能够想出与最后一个字符串匹配的regex，但请注意，如何在pandas系列方法中实现它。在

用于匹配模式并替换为第一个匹配组\1：

SC_S\d{3}_M\d\.CONTROLDAY\d{1,2}\.EPI\d?(?:\.P\d_|_)

我尝试如下所示使用.replace（），但没有成功：

.replace('SC_S\d{3}_M\d\.CONTROLDAY\d{1,2}\.EPI\d?(?:\.P\d_|_)(\w+)')

你知道如何使用Pandas series方法提取下划线前的最后一个字符串，或者找到匹配的模式并用第一个组替换它吗？在

Answer 1

我认为您可以拆分它而不是使用RegEx：

In [170]: s
Out[170]:
0       SC_S193_M7.CONTROLDAY10.EPI.P1_Stem
1     SC_S194_M7.CONTROLDAY10.EPI.P1_Goblet
2    SC_S102_M1.CONTROLDAY3.EPI2_Enterocyte
3        SC_S106_M1.CONTROLDAY3.EPI2_Goblet
Name: 0, dtype: object

In [171]: s.str.split('_').str[-1]
Out[171]:
0          Stem
1        Goblet
2    Enterocyte
3        Goblet
Name: 0, dtype: object

或者最好使用rsplit(..., n=1)：

^{pr2}$

或者，您可以使用.str.extract()：

In [177]: s.str.extract(r'.*_([^_]*)$', expand=False)
Out[177]:
0          Stem
1        Goblet
2    Enterocyte
3        Goblet
Name: 0, dtype: object

Answer 2

另一个变体（假设s是您的系列），它应该是

s.apply(lambda r : re.sub('.*_([^_]*)$', '\\1', r))