pandas 中复杂的部分字符串匹配

Question

给定具有以下结构和值的数据框 json_path -

json_path	报告组	实体/分组
data.attributes.total.children.[0]	基督教家庭	亚伯拉罕家庭
data.attributes.total.children.[0].children.[0]	基督教家庭	庄园
data.attributes.total.children.[0].children.[0].children.[0].children.[0]	基督教家庭	现金
data.attributes.total.children.[0].children.[0].children.[1].children.[0]	基督教家庭	投资级固定收益

我如何过滤包含四次children的json_path行？即，我想过滤索引位置 2-3 -

json_path	报告组	实体/分组
data.attributes.total.children。[0 ].children.[0].children.[0].children.[0]	基督教家庭	现金
data.attributes.total.children.[0].children.[0].children.[1].children.[0]	基督教家庭	投资级固定收益

我知道如何获得部分匹配，但是方括号中的整数会不一致，所以我的直觉告诉我以某种方式拥有计算 children 实例的逻辑（即，children 出现 4x）并以此为基础进行过滤。

关于如何实现这一目标有什么建议或资源吗？

Answer 1

正如您所说，一种简单的方法是计算 .children 的出现次数，并将计数与 4 进行比较，以创建可用于过滤行的布尔掩码。

df[df['json_path'].str.count(r'\.children').eq(4)]

更可靠的方法是检查连续出现4个孩子

df[df['json_path'].str.contains(r'(\.children\.\[\d+\]){4}')]

---

                                                                   json_path   Reporting Group                Entity/Grouping
2  data.attributes.total.children.[0].children.[0].children.[0].children.[0]  Christian Family                           Cash
3  data.attributes.total.children.[0].children.[0].children.[1].children.[0]  Christian Family  Investment Grade Fixed Income