如何使用正则表达式函数从大熊猫中提取欧洲街道名称，住房号码和形容词？

Question

我有一个包含6000条记录的数据框，需要使用streetname将列提取/拆分为：“Streetname”，“Housingnumber”和“Adjectives”。不幸的是，使用正则表达式函数还没有解决问题，因为df [“streetname”]的符号中没有结构：

**Input from df["Streetname"]**

St. edward's Lane 26

Vineyardlane3a

High Street 0-9

ParkRoad near #33

Queens Road ??

s-Georgelane9abc

Kings Road 9b

1st Park Avenue 67 near cyclelane 

**我想要的输出：

df["Street"]                    df["housingnumber"]             df["adjective"]**

St. Edward's lane               26

Vineyardlane                    3                               a

High Street                     0-9

ParkRoad                        33

Queens Road                    

s-Georgelane                    9                               abc

Kings Road                      9                               b 

1st Park Avenue                 67

我试过了：

Filter = r'(?P<S>.*)(?P<H>\s[0-9].*)'

df["Streetname"] = df["Streetname"].str.extract(Filter)

我丢失了大量数据，结果只写入一栏......希望有人可以提供帮助！

Answer 1

不是100％完美（我怀疑没有数据库或机器学习算法这是可能的）但是一个起点：

^                         # start of line/string
(?P<street>\w+?\D+)       # [a-zA-Z0-9_]+? followed by not a number
(?P<nr>\d*[-\d]*)         # a digit, followed by - and other digits, eventually
(?P<adjective>[a-zA-Z]*)  # a-z
.*                        # consume the rest of the string

请参阅a demo on regex101.com。

---

您可能希望之后从#结束时删除?，空格或street。