python - 如何在 Pandas 中的另一个词之前提取一个词

Question

我有这个 pandas DataFrame，它描述了一场足球比赛中的比赛:

<表类="s-表"><头>play_id类型正文<正文>1通过Jon 将球传给 Ben。2通过时钟 14:52，Jon 将球传给 Mitch。3冲刺弗兰克·拉什。

我的目标是创建一个名为“passer”的新列，其中包含一个脚本，该脚本将遍历“text”列中的描述，并将采用放在“pass”一词之前的名称。所以我首先使用这个:

df['passer'] = df['Text'].str.extract(r'(.*?)pass', expand=False).str.strip()

这给了我这个:

<表类="s-表"><头>play_id类型正文路人<正文>1通过Jon 将球传给 Ben。乔恩2通过时钟 14:52，Jon 将球传给 Mitch。时钟 14:52，乔恩3冲刺弗兰克·拉什。NaN

它适用于第一个和第三个 playid，但不适用于第二个，因为它需要时钟，有时可以包含在描述中。

我尝试在创建我的专栏时实现条件，其中代码检查描述中是否包含“时钟”，并使用正确的正则表达式，但这不起作用:

conditions = [
    (np.where(df.Text.str.contains('Clock', case=False))),
    (np.where(~df.Text.str.contains('Clock', case=False)))
    ]

choices = [
    df['Text'].str.extract(r', (.*?) pass', expand=False).str.strip(), 
    df['Text'].str.extract('(.*?) pass', expand=False).str.strip()
    ]

df['passerNEW'] = np.select(conditions, choices, default='NaN')
df

我收到以下错误:

TypeError: invalid entry 0 in condlist: should be boolean ndarray

有没有办法让这个功能起作用？这似乎是一个很好的方法，因为在其他情况下，我可以检查三个不同的条件，以便知道要使用哪个正则表达式。

Answer 1

• 使用pandas.Series.str.extract具有积极的前瞻条件。
  • 参见 SO: Regex lookahead, lookbehind and atomic groups lookahead 的详尽解释。
  • \s+pass 将适用于名称和 'pass' 之间的任意数量的空格(例如 'Jon PaSs')
• flags=re.IGNORECASE用于忽略'pass'的大小写
  • df.Text.str.lower().str.extract('(\w+(?=\s+pass))') 可以用来代替导入 re 为旗帜。

import pandas as pd
import re

# test dataframe
data = {'play_id': ['1', '2', '3'], 'type': ['pass', 'pass', 'rush'], 'Text': ['Jon PASS complete to Ben.', 'Clock 14:52, Jon pass complete to Mitch.', 'Frank rush.']}
df = pd.DataFrame(data)

# display(df)
play_id type                                     Text
      1 pass                Jon PASS complete to Ben.
      2 pass Clock 14:52, Jon pass complete to Mitch.
      3 rush                              Frank rush.

# extract
df['passer'] = df.Text.str.extract('(\w+(?=\s+pass))', flags=re.IGNORECASE)

# display(df)
play_id type                                     Text passer
      1 pass                Jon PASS complete to Ben.    Jon
      2 pass Clock 14:52, Jon pass complete to Mitch.    Jon
      3 rush                              Frank rush.    NaN