python - Pandas:将一列分解为多行

Question

需要一些帮助来根据 Pandas 中的正则表达式拆分字段并创建数据框。

<表类=“s-表”><标题>一个BC <正文>11292021 年 4 月 19 日邮政编码详细信息:城市:Huntsville_Alabama，邮政编码:35808，801thru816 城市:Anchorage_Alaska，邮政编码:99506，501thru52411392021 年 4 月 20 日邮政编码详细信息:城市:Miami_Florida，邮政编码:33128、124thru190 城市:Atlanta_Georgia、邮政编码:30301、301thru381

在 C 列之一中，需要提取多个城市和邮政编码详细信息并在以下格式:

<表类=“s-表”><标题>否日期城市邮政编码 <正文>11292021 年 4 月 19 日阿拉巴马州亨茨维尔3580811292021 年 4 月 19 日阿拉斯加安克雷奇9950611392021 年 4 月 20 日佛罗里达州迈阿密3312811392021 年 4 月 20 日佐治亚州亚特兰大30301

我的 re.findall 表达式如下并且工作正常:

city_regex_extract = r" [a-z|A-Z|0-9|_]*\_[a-z|A-Z|0-9|_]*"    (https://regex101.com/r/VM8oFF/1)
zip_regex_extract = r"[0-9]{5}"                            (https://regex101.com/r/oBYJZX/1)

下面是到目前为止的代码，但是无法将 Zip 字段添加到其中。

import pandas as pd
import json, re, sys, time


df = pd.DataFrame({
   'No': ['1129', '1139'],
   'Date': ['19-APR-2021','20-APR-2021'],
   'C': ['Zip Code Details: City: Huntsville_Alabama , Zip: 35808 , 801thru816  City: Anchorage_Alaska , Zip: 99506 , 501thru524','Zip Code Details: City: Miami_Florida , Zip: 33128 , 124thru190  City: Atlanta_Georgia , Zip: 30301 , 301thru381'] 
})


city_regex_extract = r" [a-z|A-Z|0-9|_]*\_[a-z|A-Z|0-9|_]*"
zip_regex_extract = r"[0-9]{17}"


df['City'] =  [re.findall(city_regex_extract, str(x)) for x in df['C']]
df['Zip'] =  [re.findall(zip_regex_extract, str(x)) for x in df['C']]

df = (df
.set_index(['No','Date'])['City']
.apply(pd.Series)
.stack()
.reset_index()
.drop('level_2', axis=1)
.rename(columns={0:'City'}))

print(df)

感谢任何帮助。

Answer 1

Series.str.extractall

s = df['C'].str.extractall(r'City:\s*(?P<City>[^,]+?)\s*,\s*Zip:\s*(?P<Zip>\d+)')
df[['No', 'Date']].join(s.droplevel(1))

---

     No         Date                City    Zip
0  1129  19-APR-2021  Huntsville_Alabama  35808
0  1129  19-APR-2021    Anchorage_Alaska  99506
1  1139  20-APR-2021       Miami_Florida  33128
1  1139  20-APR-2021     Atlanta_Georgia  30301

正则表达式详细信息:

• City: :匹配字符City:从字面上看
• \s* :匹配零个或多个空白字符
• (?P<City>[^,]+?) :第一个命名的捕获组
  • [^,]+? :匹配除 , 之外的任何字符一次或多次，但次数越少越好
• \s*,\s* :匹配零个或多个空格，后跟逗号，后跟零个或多个空格
• Zip: :匹配字符Zip:从字面上看
• \s* :匹配零个或多个空白字符
• (?P<Zip>\d+) :第二个命名捕获组
  • \d+ :匹配一个数字一次或多次

查看在线 regex demo