如何从pandas中的字符串中提取带有变量的正则表达式？

我有一个包含文本的数据框列，我想创建一个新列，其中包含带有名称的句子，但没有其他句子。希望最终结果如下所示：

我能够从名称列表中识别包含名称的单元格，但我在提取包含名称的句子的部分上遇到了困难。

import re
import pandas as pd
import numpy as np

df = pd.DataFrame({
    'ColumnA': ['Lorum ipsum. This is approved. Lorum Ipsum.', 'Lorum Ipsum. Send the contract to May. Lorum Ipsum.', 'Junk Mail from Brian.']
})


last_names_list = ['May','Brian']

df['last_names'] = ''
for x in last_names_list:
    df['last_names'] = np.where(df['ColumnA'].str.contains(x),x,df['last_names'])

def f(x,y):
    return re.findall(fr'[^.]{x}[^.]',y)

df['col_3'] = df.apply(lambda x: f(x['last_names'],x['ColumnA']), axis=1)

print(df)

当我打印数据帧中，每行具有名称的 df[col_3'] 都会生成一个空列表。

任何帮助表示赞赏。

在尝试从 Pandas 数据帧列中的字符串中使用变量提取正则表达式的代码中出现错误。的 f(x, y) 函数存在问题，因为 [^.] 将匹配除句点以外的任何字符，而需要找到包含名称的整个句子。

以下是对的代码进行修复的方法：

import re
import pandas as pd
import numpy as np

df = pd.DataFrame({
    'ColumnA': ['Lorum ipsum. This is approved. Lorum Ipsum.', 'Lorum Ipsum. Send the contract to May. Lorum Ipsum.', 'Junk Mail from Brian.']
})

last_names_list = ['May', 'Brian']

df['last_names'] = ''
for x in last_names_list:
    df['last_names'] = np.where(df['ColumnA'].str.contains(x), x, df['last_names'])

def f(x, y):
    for name in last_names_list:
        match = re.search(fr'[^.]*{re.escape(name)}[^.]*\.', x)
        if match:
            return match.group(0).strip()
    return ''

df['col_3'] = df.apply(lambda row: f(row['ColumnA'], row['last_names']), axis=1)

print(df)

说明：

1. 使用 re.escape(name) ： 这对于确保正则表达式正确处理名称中的任何特殊字符（例如“.”或“*”）至关重要。
2. 找到包含名称的整个句子： 正则表达式 [^.]*{re.escape(name)}[^.]*\. 查找以下内容：
3. [^.]* ：任何数量的非句点字符。
4. {re.escape(name)} ：提供的名称。
5. [^.]* ：任何数量的非句点字符。
6. \. ：一个句点，匹配句子的结尾。
7. 使用 search 而不是 findall ： 由于我们只在每个字符串中查找一个句子，因此 re.search 比 re.findall 更合适。
8. 使用 match.group(0) 获取匹配的句子： 如果找到匹配项， match.group(0) 将返回匹配的完整句子。
9. 处理未找到名称的情况： 如果在循环中没有找到名称，则该函数将返回一个空字符串。

通过这些更改，的 col_3 现在应包含包含列表中姓名的预期句子。