python - 如何从 Pandas 的地址中提取公寓

Question

我有一个相当困惑的数据集，由于手动输入数据，其中有很多不一致和错误。

我正在 pandas 中处理此数据集的地址列。

我想做的是将地址列分成 3 个独立的实体:

1) 地址列

2) 一列街道号码

3) 公寓或单元号列

数据如下所示:

address
----------------------
123 smith street #5234
5000 john ct
34 wood st apt# 23
523 fire road apt #87
charles way apt. 434
0987 misty lane unit B 

我已经将街道号码删除到他们自己的列中。为此，我使用了“np.where”并使用了一个简单的逻辑条件，即如果字符串以数字开头，则将它们提取到新的街道列中。

我现在对如何使用公寓号执行此操作感到困惑。

我假设由于不一致，我必须做类似的事情:

df['apt/unit'] = np.where(str contains "apt", extract string starting at "apt" until end, else np.NaN)
df['apt/unit'] = np.where(str contains "unit", extract string starting at "unit" until end, else np.NaN)

我必须使用正则表达式来执行此操作吗？如果是这样，解决方法是什么？

除了这种思路还有其他选择吗？

Answer 1

由于您的 apt/unit 列有多个条件，您可以在此处使用 np.select，如下所示:

# Define our conditions
conditions = [
    df.address.str.contains('apt'),
    df.address.str.contains('unit'),
    df.address.str.contains('#')
]

# Define our choices based on our conditions
choices = [
    df.address.apply(lambda x: x[x.find('apt'):]),
    df.address.apply(lambda x: x[x.find('unit'):]),
    df.address.apply(lambda x: x[x.find('#'):])
]

# Apply this logic by creating the new column and cleaning up address column
df['apt/unit'] = np.select(conditions, choices, default = '')

# Clean up our address column
choices2 = [
    df.address.apply(lambda x: x[:x.find('apt')]),
    df.address.apply(lambda x: x[:x.find('unit')]),
    df.address.apply(lambda x: x[:x.find('#')])
]
df['address'] = np.select(conditions, choices2, default = df.address)

输出

print(df)

             address  apt/unit
0  123 smith street      #5234
1       5000 john ct          
2        34 wood st    apt# 23
3     523 fire road    apt #87
4       charles way   apt. 434
5   0987 misty lane     unit B