查找带有大写字母的字符串，并在正则表达式中以某个单词结尾

Question

我有一个数据框，其中一列由具有三种模式的字符串组成：

1）仅大写字母： APPLE COMPANY

2）大写字母，并以字母AS结尾： CAR COMPANY AS

3）大写和小写字母： John Smith

df = pd.DataFrame({'NAME': ['APPLE COMPANY', 'CAR COMPANY AS', 'John Smith']})

             NAME ...
0   APPLE COMPANY ...
1  CAR COMPANY AS ...
2      John Smith ...
3             ... ...

如何取出那些不满足2）和3），即1）条件的行？ 换句话说，如何取出仅包含大写大写字母，不以AS结尾或字符串中同时包含大写和小写字母的行？

我想出了这个：

df['NAME'].str.findall(r"(^[A-Z ':]+$)")
df['NAME'].str.findall('AS')

第一个提取仅包含大写字母的字符串，但是第二个仅找到AS 。 如果除了正则表达式之外还有其他方法，我也乐于尝试。

预期结果是：

             NAME ...
1  CAR COMPANY AS ...
2      John Smith ...
3             ... ...

Answer 1

一种方法是

df['temp']=df['NAME'].str.extract("(^[A-Z ':]+$)")
s1=df['temp']==df["NAME"]
s2=~df['NAME'].str.endswith('AS')

print(df.loc[~(s1&s2), 'NAME'])

O / P：

1    CAR COMPANY AS
2        John Smith
Name: NAME, dtype: object

Answer 2

这个正则表达式应该工作：

^(?:[A-Z ':]+ AS|.*[a-z].*)$

它与以下任一匹配：

• [AZ ':]+ AS所有大写字母后跟AS的情况
• .*[az].* -小写字母

演示版

Answer 3

使用apply和您可能要检查的不同模式：

import re
def myfilter(x):
    patterns = ['[A-Z]*AS$','[A-Z][a-z]{1,}']
    for p in patterns:
        if len(re.findall(p, x.NAME)):
            return True
    return False

selector = df.apply(myfilter, axis=1)

filtered_df = df[selector]

Answer 4

您也可以尝试：

df_new = df[~df['NAME'].str.isupper()|df['NAME'].str.endswith('AS')]