Function 去除Pandas系列中大寫字母前的部分字符串

Question

我有一個 dataframe，其中包含一列 ['locality_name']，其中包含村庄、城鎮、城市的名稱。 有些名字寫成“漢密爾頓鎮”，有些像“漢密爾頓”，有些像“漢密爾頓市”等。因此，很難計算唯一值等。我的目標是只留下名字。

我想寫一個 function 刪除字符串的一部分直到大寫字母，然后將它應用於我的 dataframe。

那就是我試過的：

重新進口

def my_slicer(row): """ Returns a string with the name of locality """ return re.sub('ABCDEFGHIKLMNOPQRSTVXYZ','', row['locality_name'])

raw_data['locality_name_only'] = raw_data.apply(my_slicer, axis=1)

我期望它返回一個包含地名的新列。 相反，沒有任何改變 - ['locality_name_only'] 與 ['locality_name'] 具有相同的值。

Answer 1

您可以使用pandas.Series.str.extract 。 例如：

ser = pd.Series(["town of Hamilton", "Hamilton", "city of Hamilton"])
ser_2= ser.str.extract("([A-Z][a-z]+-?\w+)")

在你的情況下，使用：

raw_data['locality_name_only'] = raw_data['locality_name'].str.extract("([A-Z][a-z]+-?\w+)")

＃Output：

print(ser_2)

          0
0  Hamilton
1  Hamilton
2  Hamilton

Answer 2

我會使用str.replace並將問題表述為刪除所有非大寫單詞：

raw_data["locality_name_only"] = df["locality_name"].str.replace(r'\s*\b[a-z]\w*\s*', ' ', regex=True).str.strip()