python - 如何从数据框列中提取城市(格式不同)

Question

我有这个数据框，我想在单独的列中提取城市。您还可以看到，格式不一样，城市可以在行中的任何位置。我怎样才能只提取新列中的城市？提示。这里我们谈论的是德国城市。可能是要找到一本显示所有德国城市的字典，并以某种方式与我的数据集进行比较？

这是德国城市字典:https://gist.github.com/embayer/772c442419999fa52ca1

数据框

Adresse
0   Karlstr 10, 10 B, 30,; 04916 Hamburg
1   München Dorfstr. 28-55, 22555
2   Marnstraße. Berlin 12, 45666 Berlin
3   Musterstr, 24855 Dresden
... ...
850 Muster Hausweg 11, Hannover, 56668
851 Mariestr. 4, 48669 Nürnberg
852 Hilden Weederstr 33-55, 56889
853 Pt-gaanen-Str. 2, 45883 Potsdam

输出

Cities
0   Hamburg
1   München
2   Berlin
3   Dresden
... ...
850 Hannover
851 Nürnberg
852 Hilden
853 Potsdam

Answer 1

您可以从您提供的字典中提取所有城市列表(我假设它是 'stadt' key )，然后在您的列表中使用 str.findall专栏:

cities_ = [cities[n]['stadt'] for n in range(0,len(cities))]
df.Adresse.str.findall(r'|'.join(cities_))

>>>
0    [Karlstr, Hamburg]
1                    []
2                    []
3                    []
4                    []
5                    []
6                    []
7                    []
8                    []
Name: Adresse, dtype: object