我正在處理一些 NFL 數據，數據框中有一列，如下所示：0 Lamar JacksonL. Jackson BAL1 Patrick Mahomes IIP. Mahomes KC2 Dak PrescottD. Prescott DAL3 Josh AllenJ. Allen BUF4 Russell WilsonR. Wilson SEA每個單元格中有 3 位信息 - FullName，ShortName我Team希望為其創建新列。預期輸出： FullName ShortName Team0 Lamar Jackson L. Jackson BAL1 Patrick Mahomes II P. Mahomes KC2 Dak Prescott D. Prescott DAL3 Josh Allen J. Allen BUF4 Russell Wilson R. Wilson SEA我已經設法得到了，Team但我不太確定如何在一行中完成所有這三個操作。我正在考慮通過查找前一個字符來分割字符串，fullstop但是出現了一些名稱，例如：Anthony McFarland Jr.A. McFarland PIT有多個句號。有人知道解決這個問題的最佳方法嗎？謝謝！
4 回答
qq_遁去的一_1
TA貢獻1725條經驗 獲得超8個贊
pandas Series str.extract 方法就是您所尋找的。該正則表達式適用于您提出的所有情況，盡管可能還有一些其他邊緣情況。
df = pd.DataFrame({
"bad_col": ["Lamar JacksonL. Jackson BAL", "Patrick Mahomes IIP. Mahomes KC",
"Dak PrescottD. Prescott DAL", "Josh AllenJ. Allen BUF",
"Josh AllenJ. Allen SEA", "Anthony McFarland Jr.A. McFarland PIT"],
})
print(df)
bad_col
0 Lamar JacksonL. Jackson BAL
1 Patrick Mahomes IIP. Mahomes KC
2 Dak PrescottD. Prescott DAL
3 Josh AllenJ. Allen BUF
4 Josh AllenJ. Allen SEA
5 Anthony McFarland Jr.A. McFarland PIT
pattern = r"(?P<full_name>.+)(?=[A-Z]\.)(?P<short_name>[A-Z]\.\s.*)\s(?P<team>[A-Z]+)"
new_df = df["bad_col"].str.extract(pattern, expand=True)
print(new_df)
full_name short_name team
0 Lamar Jackson L. Jackson BAL
1 Patrick Mahomes II P. Mahomes KC
2 Dak Prescott D. Prescott DAL
3 Josh Allen J. Allen BUF
4 Josh Allen J. Allen SEA
5 Anthony McFarland Jr. A. McFarland PIT
分解該正則表達式：
(?P<full_name>.+)(?=[A-Z]\.)(?P<short_name>[A-Z]\.\s.*)\s(?P<team>[A-Z]+)
(?P<full_name>.+)(?=[A-Z]\.)捕獲任何字母，直到我們看到大寫字母后跟句號/句號，我們使用前瞻 (?=...) 來不消耗大寫字母和句號，因為字符串的這一部分屬于短名稱(?P<short_name>[A-Z]\.\s.*.)\s捕獲一個大寫字母（玩家的第一個首字母），然后是句號（第一個首字母后面的句點），然后是一個空格（第一個首字母和姓氏之間），然后是所有字符，直到我們點擊空格（玩家的姓氏） ）。該空間不包含在捕獲組中。(?P<team>[A-Z]+)捕獲字符串中所有剩余的大寫字母（最終成為玩家團隊）
您可能已經注意到，我使用了由 (?Ppattern) 結構表示的命名捕獲組。在 pandas 中，捕獲組的名稱將成為列的名稱，該組中捕獲的任何內容將成為該列中的值。
現在將新的數據框加入到我們原來的數據框中，完成一圈：
df = df.join(new_df)
print(df)
bad_col full_name short_name \
0 Lamar JacksonL. Jackson BAL Lamar Jackson L. Jackson
1 Patrick Mahomes IIP. Mahomes KC Patrick Mahomes II P. Mahomes
2 Dak PrescottD. Prescott DAL Dak Prescott D. Prescott
3 Josh AllenJ. Allen BUF Josh Allen J. Allen
4 Josh AllenJ. Allen SEA Josh Allen J. Allen
5 Anthony McFarland Jr.A. McFarland PIT Anthony McFarland Jr. A. McFarland
team
0 BAL
1 KC
2 DAL
3 BUF
4 SEA
5 PIT
哆啦的時光機
TA貢獻1779條經驗 獲得超6個贊
我的猜測是短名稱不會包含句號。因此，您可以搜索從行尾開始的第一個句號。因此，從句號之前的一個字符到第一個空格都是您的簡稱。句點前一個字母之前的任何內容都將是全名。
喵喵時光機
TA貢獻1846條經驗 獲得超7個贊
這可能會有所幫助。
import re
name = 'Anthony McFarland Jr.A. McFarland PIT'
short_name = re.findall(r'(\w\.\s[\w]+)\s[\w]{3}', name)[0]
full_name = name.replace(short_name, "")[:-4]
team = name[-3:]
print(short_name)
print(full_name)
print(team)
輸出：
A. McFarland
Anthony McFarland Jr.
PIT
泛舟湖上清波郎朗
TA貢獻1818條經驗 獲得超3個贊
import pandas as pd
import numpy as np
df = pd.DataFrame({'players':['Lamar JacksonL. Jackson BAL', 'Patrick Mahomes IIP. Mahomes KC',
'Anthony McFarland Jr.A. McFarland PIT']})
def splitName(name):
last_period_pos = np.max(np.where(np.array(list(name)) == '.'))
full_name = name[:(last_period_pos - 1)]
short_name_team = name[(last_period_pos - 1):]
team_pos = np.max(np.where(np.array(list(short_name_team)) == ' '))
short_name = short_name_team[:team_pos]
team = short_name_team[(team_pos + 1):]
return full_name, short_name, team
df['full_name'], df['short_name'], df['team'] = zip(*df.players.apply(splitName))
添加回答
舉報
0/150
提交
取消