Skip to main content
 首页 » 编程设计

python之正则表达式匹配后如何从数据框中提取字符串

2024年12月31日34emanlee

想要从 pandas dataframe 的邮政编码后出现的地址中提取城市名称。 鉴于: 10 rue des Treuils BP 12 33023,法国波尔多 我想从数据框列中提取 Bordeaux。

城市名称始终在逗号之后,但不保证是一个单词。需要剥离国家名称,这将是一个固定的字符串,如 France 、 Italy 等。

更多法国城市名的例子

  • 双阿尔卑斯山

  • 重要的是

请您参考如下方法:

United States will be fixed string which can be stripped off as on exact match


我的解决方案是删除国家/地区名称,这将只留下城市名称。
这种方法似乎更容易,因为国家/地区名称是固定的,并且可以根据 list 轻松删除,即:

  1. split()根据逗号将地址一分为二(,);
  2. replace() 国家名称为nothing;
  3. 使用 panda 的 apply() 应用包含上述步骤的 get_city() 函数。
  4. 使用 panda 的 tolist() 将列 City 转换为列表。最后一步是可选的,因为它取决于您将如何处理城市名称。

即:

import pandas as pd 
addresses = [['10 rue des Treuils BP 12 33023, Bordeaux France'],['Rua da Alegria 22, Lisboa Portugal'],['22 Some Street, NYC United States']] 
df = pd.DataFrame(addresses,columns=['Address']) 
 
countries = ['Portugal', 'France', 'United States'] 
 
def get_city(address): 
    city_country = address.split(",")[1] 
    for i in countries: city = city_country.replace(i, "") 
    return city.strip() 
 
df['City'] = df['Address'].apply(get_city) 
print (df['City'].tolist()) 

输出:

['Bordeaux', 'Lisboa', 'NYC'] 

附言: 您可能需要lower() 地址和国家/地区列表以避免大小写SenSitIve 不匹配。