如何從 excel 和 Python 的列值中提取字母數字詞？

Question

我需要一種方法來提取所有以“A”開頭的單詞，緊接着是一個 6 位數字字符串（即 A112233、A000023）。

每個單元格都包含句子，並且可能會出現用戶錯誤，因為他們忘記放置空格，因此如果您也能考慮到這一點，我們將不勝感激。

我已經對使用 Python 正則表達式和 Pandas 進行了研究，但我還不夠了解，而且有點時間緊迫。

Answer 1

假設您的df的內容由以下代碼構成：

import pandas as pd
df1=pd.DataFrame(
        {
            "columnA":["A194533","A4A556633 system01A484666","A4A556633","a987654A948323a882332A484666","A238B004867","pageA000023lol","a089923","something lol a484876A48466 emoji","A906633 A556633a556633"]
        }
)
print(df1)

Output：

                             columnA
0                            A194533
1          A4A556633 system01A484666
2                          A4A556633
3       a987654A948323a882332A484666
4                        A238B004867
5                     pageA000023lol
6                            a089923
7  something lol a484876A48466 emoji
8             A906633 A556633a556633

---

現在讓我們獲取與正則表達式模式對應的目標：

result = df1['columnA'].str.extractall(r'([A]\d{6})')

Output：

               0
  match         
0 0      A194533
1 0      A556633
  1      A484666
2 0      A556633
3 0      A948323
  1      A484666
5 0      A000023
8 0      A906633
  1      A556633

數一數：

result.value_counts()

Output：

A556633    3
A484666    2
A000023    1
A194533    1
A906633    1
A948323    1
dtype: int64

將唯一索引發送到列表中：

unique_list = [i[0] for i in result.value_counts().index.tolist()]

Output：

['A556633', 'A484666', 'A000023', 'A194533', 'A906633', 'A948323']

值計入列表：

unique_count_list = result.value_counts().values.tolist()

Output：

[3, 2, 1, 1, 1, 1]