如果单元格有 2 个单词，则只提取第一个单词，如果单元格有 3 个单词，则提取第一个单词 - PANDAS/REGEX

Question

在我的 DataFrame 中，我有一个名为“团队”的列。 它包括城市和团队名称。 我想将城市提取到另一列中。 这是 dataframe: DataFrame 样本

nba_df['team'].head(11)
    team
0   Toronto Raptors
1   Boston Celtics
2   Philadelphia 76ers
3   Cleveland Cavaliers
4   Indiana Pacers
5   Miami Heat
6   Milwaukee Bucks
7   Washington Wizards
8   Detroit Pistons
9   Charlotte Hornets
10  New York Knicks

我可以使用正则表达式轻松提取列：

nba_df['cities'] = nba_df.team.str.extract('(^[\w*]+)', expand=True)
nba_df[['team', 'cities']].head(11)


    team                cities
0   Toronto Raptors     Toronto
1   Boston Celtics      Boston
2   Philadelphia 76ers  Philadelphia
3   Cleveland Cavaliers Cleveland
4   Indiana Pacers      Indiana
5   Miami Heat          Miami
6   Milwaukee Bucks     Milwaukee
7   Washington Wizards  Washington
8   Detroit Pistons     Detroit
9   Charlotte Hornets   Charlotte
10  New York Knicks     New

但是，在纽约尼克斯队的“名称”列中，它只给我以下值：“New”，我想得到“New York”：

结果

那么，我应该怎么做，如果单元格有 2 个单词，我如何从一开始只提取一个单词，如果单元格有 3 个单词，我如何使用正则表达式从中提取 2 个单词？

Answer 1

对于您只有 2 或 3 个单词字符串的场景，您可以使用

^(\S+(?:\s+\S+(?=\s+\S+))?)

请参阅正则表达式演示。

细节

• ^ - 字符串的开始
• (\S+(?:\s+\S+(?=\s+\S+))?) - 捕获组 1：
  • \S+ - 一个或多个非空白字符
  • (?:\s+\S+(?=\s+\S+))? - 一个可选的序列
    • \s+ - 1+ 个空格
    • \S+ - 1+ 个非空格
    • (?=\s+\S+) - 紧接着是 1+ 个空格和 1+ 个非空格。

以下是一些其他正则表达式选项：

• 除最后一个单词外的所有单词： ^(\S+(?:\s+\S+)*)\s+\S+$ （演示）/ ^(.*\S)\s+\S+$ （演示）/ ^(.*?)\s+\S+$ （演示）
• 获取双词字符串中的第一个词和三词字符串中的两个第一个词，并且在其他字符串中没有匹配： ^(\S+(?=\s+\S+$)|\S+\s+\S+(?=\s+\S+$)) （演示）

Answer 2

不要为此纠结于正则表达式，除非你觉得它非常可读。 相反，从字符串team_name开始......拆分、切片和连接：

team_words = team_name.split()
team_city = team_words[:-1]
city = ' '.join(team_city)

在一行中：

city = ' '.join(team_name.split()[:-1])

你能很容易地将它放入你的 DF 广播中吗？