¿Cómo extraer contenido específico en un marco de datos de pandas con una expresión regular?
Considere el siguiente marco de datos de pandas:
In [114]:
df['movie_title'].head()
Out[114]:
0 Toy Story (1995)
1 GoldenEye (1995)
2 Four Rooms (1995)
3 Get Shorty (1995)
4 Copycat (1995)
...
Name: movie_title, dtype: object
Actualizar: Me gustaría extraer con una expresión regular solo los títulos de las películas. Entonces, usemos la siguiente expresión regular:\b([^\d\W]+)\b. Entonces intenté lo siguiente:
df_3['movie_title'] = df_3['movie_title'].str.extract('\b([^\d\W]+)\b')
df_3['movie_title']
Sin embargo, obtengo lo siguiente:
0 NaN
1 NaN
2 NaN
3 NaN
4 NaN
5 NaN
6 NaN
7 NaN
8 NaN
¿Alguna idea de cómo extraer características específicas del texto en un marco de datos de pandas? Más específicamente, ¿cómo puedo extraer solo los títulos de las películas en un marco de datos completamente nuevo? Por ejemplo, la salida deseada debería ser:
Out[114]:
0 Toy Story
1 GoldenEye
2 Four Rooms
3 Get Shorty
4 Copycat
...
Name: movie_title, dtype: object