如何将地址字符串解析为街道和门牌号

Question

所以我想将街道和门牌号与地址行分开。 我可以根据最后一个空格拆分地址（我的代码如下）。 但这对于第 3 行的情况没有帮助，其中门牌号实际上包含空格。

address             street          house_number
my street 6         my street       6
my street 10a       my street       10a
next street 5 c     next street     5 c
next street100      next street     100

我最好的尝试，这对第三种情况没有帮助：

df['street'] = df['address'].apply(lambda x: ' '.join(x.split(' ')[:-1]))
df['house_number'] = df['address'].apply(lambda x: x.split(' ')[-1])

我的想法是：识别字符串中的第一个数字（数字）并将字符串从那里分成两部分。 正则表达式？ 我试过但没有解决办法

复制代码

data = {'address': ['my street 6', 'my street 10a', 'next street 5 c', 'next street100'],
        'street': ['my street', 'my street', 'next street', 'next street'],
        'house_number': ['6', '10a', '5 c', '100']
        }
df = pd.DataFrame(data)

已编辑：添加了第 4 个案例

Answer 1

我认为这可以； 使用.str.split() 按数字前的空格进行分割

数据

df=pd.DataFrame({'address':['my street 6','my street 10a','next street 5 c']})

解决方案

df.address.str.split('\s(?=\d)', expand=True).rename(columns={0:'street',1:'house_number'})

结果

      street        house_number
0    my street            6
1    my street          10a
2  next street          5 c

如果您想包含原始列。 请试试;

df1=df.join(df.address.str.split('\s(?=\d)', expand=True).rename(columns={0:'street',1:'house_number'}))



        address       street     house_number
0      my street 6    my street            6
1    my street 10a    my street          10a
2  next street 5 c  next street          5 c

正则表达式解释

RegEx 查找空间 (\s) 的 position，条件是 (?= ) 后面跟着一个数字 (\d) (?=\d)

Answer 2

对于我的问题中的第 4 种情况，这是我提出的解决方案：

df['street'] = df.address.str.split('\d', expand=True)[0]
df['house_number'] = df.address.str.split('.(?=\d)', n=1, expand=True)[1]

所以街道的逻辑就是字符串中第一个数字之前的所有内容。 对于门牌号码，我从找到的第一个数字左侧的字符开始拆分，并将拆分限制为 2 部分（部分 0 和 1，这就是为什么 n=1 而不是 2 的 2 部分）。