我一直在到處搜索，但還沒有找到任何解決方案……例如，我的數(shù)據(jù)框中有一個名稱列表，例如：Penelope Deans、Corinne M. Percell、Sally Seaborn、Tereasa T. Aranda 和很快。我目前的正則表達式是^[A-Z][a-z]+,?\s+(?:[A-Z][a-z]*\.?\s*)?[A-Z][a-z]+抓住了大部分的名字。但是，在數(shù)據(jù)框中，我也有類似“XXX 的許可房地產(chǎn)，YYY 的數(shù)字營銷人員”之類的行。并且上面的 Regex 還抓住了“有執(zhí)照的房地產(chǎn)”和“數(shù)字營銷商”。我只想選擇只有名稱的行，我該怎么做？我可以以某種方式編寫正則表達式以不捕捉任何包含“at”一詞的單詞嗎？+++所以我正在處理只有一列和多行的數(shù)據(jù)框，數(shù)據(jù)框如下所示：lst = [Penelope Deans, 1/1/2020, Digital Marketer at XXX, Corinne M. Percell, 1/1/2020, Tereasa T., Licensed Real Estate at YYY]df = pd.DataFrame(lst)df Info 0 Penelope Deans 1 1/1/2020 2 Digital Marketer at XXX 3 Corinne M. Percell 4 1/1/2020 5 Tereasa T. 6 Licensed Real Estate at YYYname_pat = r"^[A-Z][a-z]+,?\s+(?:[A-Z][a-z]*\.?\s*)?[A-Z][a-z]+"df['Info'].str.findall(name_pat)輸出是 Info 0 Penelope Deans 1 []2 Digital Marketer3 Corinne M. Percell 4 [] 5 Tereasa T. 6 Licensed Real Estate我期待： Info 0 Penelope Deans 1 []2 []3 Corinne M. Percell 4 []5 Tereasa T. 6 []
1 回答
慕妹3146593
TA貢獻1820條經(jīng)驗 獲得超9個贊
關(guān)鍵是決定什么決定一個值是一個名字，什么不是。
從您的示例中，似乎'Penelope Deans','Corinne M. Percell'和'Tereasa T.'是名稱，而'1/1/2020'不是（因為它有數(shù)字和斜杠），'Digital Marketer at XXX'也不是，因為它遵循模式<namelike> at <namelike>。
請注意，根據(jù)這些規(guī)則'John at Smith'也不會是名稱。但是由于“at”在英語中不是一個普通的貴族助詞，它應(yīng)該可以工作，而且您并不希望專門涵蓋外國名稱（即使那樣，名稱中的“at”也很少見）。
使用正則表達式的 Python 解決方案：
import pandas as pd
lst = [
'Penelope Deans', '1/1/2020', 'Digital Marketer at XXX', 'Corinne M. Percell',
'1/1/2020', 'Tereasa T.', 'Licensed Real Estate at YYY'
]
df = pd.DataFrame(lst)
df = df[df[0].str.match('^((?! at )[A-z\s\.])+$')]
print(df)
結(jié)果：
0
0 Penelope Deans
3 Corinne M. Percell
5 Tereasa T.
添加回答
舉報
0/150
提交
取消