使用正则表达式从 Dataframe 的指定列中提取标点符号

先决条件： Python中的正则表达式

在本文中，我们将了解如何使用 Regex 提取 Dataframe 指定列中使用的标点符号。

首先，我们正在制作包含所有标点符号的正则表达式： [!”\$%&\'()*+,\-.\/:;=#@?\[\\\]^_`{|} ~]* 然后我们将特定列的每一行传递给re.findall()函数 用于提取标点符号，然后将提取的标点符号分配给 Dataframe 中的新列。

re.findall()函数用于提取 字符串字符串。从左到右扫描字符串，并按找到的顺序返回匹配项。

Syntax: re.findall(regex, string) 

Return: All non-overlapping matches of pattern in string, as a list of strings.

现在，让我们创建一个数据框：

Python3

# import required libraries
import pandas as pd
import re
  
# creating Dataframe with
# name and their comments
df = pd.DataFrame({
    'Name' : ['Akash', 'Ashish', 'Ayush',
              'Diksha' , 'Radhika'],
    
    'Comments': ['Hey! Akash how r u' , 
                 'Why are you asking this to me?' ,
                 'Today, what we are going to do.' ,
                 'No plans for today why?' ,
                 'Wedding plans, what are you saying?']},
    
    columns = ['Name', 'Comments']
    )
  
# show the Dataframe
df

输出：

现在，从列注释中提取标点符号：

Python3

# define a function for extracting
# the punctuations
def check_find_punctuations(text):
    
    # regular expression containing
    # all punctuation
    result = re.findall(r'[!"\$%&\'()*+,\-.\/:;=#@?\[\\\]^_`{|}~]*', 
                        text)
      
    # form a string
    string = "".join(result)
      
    # list of strings return
    return list(string)
    
# creating new column name
# as a punctuation_used and 
# applying user defined function
# on each rows of Comments column
df['punctuation_used'] = df['Comments'].apply(
                         lambda x : check_find_punctuations(x)
                         )
  
# show the Dataframe
df

输出：