Question

我对Python很陌生并努力执行我需要的东西我需要从字符串中提取Zip代码＆＃34; concat＆＃34;。
我正在研究正则表达式，但我在功能方面苦苦挣扎。

import pandas as pd
import re
from pandas import ExcelWriter

我导入了CSV，编码文本类型的字符串上传问题，已建立的数据框列，并使其自己的df

Client = pd.read_csv("CLZIPrevamp3.csv",encoding = "ISO-8859-1")
Client = Client[["clnum","concat"]]
clientzip = Client['concat']

CSV示例

client  number  client add
40008               All, EdNULLNULLNULLNULLNULL
40009               EC, Inc. 4200 Exec-ParkwayS, MO  63141Attn: John Smith
40010               AWBWA, Inc. 2200 Northhighschool,VA  21801-7824Attn:              TerryLongNULL NULL

示例目的

邮政编码也将匹配国际邮政编码，4位和5位邮政编码，所有字段都没有邮政编码

然后，我想将结果重写回我的客户端数据框，作为匹配答案的第三列

Answer 1

ZIP始终是美国邮政编码吗？字段末尾有5位数字？

然后切掉它。

>>> 'smithjonllcRichmondVa23220'[-5:]
'23220'

如果您有4位数字，那么您可能需要正则表达式

>>> import re
>>> re.findall('\d{4,5}$', 'smithjonllcRichmondVa3220')[0]
'3220'

对于像21801-7824这样的“长邮政编码”，它变得更加复杂，当列本身包含逗号时，您会被传递给CSV文件（参见示例）

AWBWA, Inc. 2200 Northhighschool,VA

你只需要求一种不同的数据格式，因为好运解析它。

就pandas而言，您可以apply()对列进行操作。

Answer 2

我将提供2个例子。

老实说，如果你的CSV一直按照你在例子中提到的格式进行格式化，你可以使用像这样的简单有限正则表达式找到zipcodes（它捕获字符串之前的所有非空格字符＆＃34; Attn＆＃34;这似乎是你读取字符串中的主题）：

>>> def zipcodes():
            import re
            csv = '''client  number  client add
            40008               All, EdNULLNULLNULLNULLNULL
            40009               EC, Inc. 4200 Exec-ParkwayS, MO  63141Attn: John Smith
            40010               AWBWA, Inc. 2200 Northhighschool,VA  21801-7824Attn:                  TerryLongNULL NULL'''
            zips = re.findall('([\S]+)Attn', csv)
            print(zips)

<强>输出：

>>> zipcodes()
['63141', '21801-7824']

...

现在，如果你想要更好的东西，通过忽略开始新行的数字来区分你可以使用这样的先行示例（注意：Python的前瞻文档不是最好的...... sheesh）。下面的预测是＆＃39;捕获5到6范围内的一串数字，如果适用的话，它们之间有0或1个数字，可能后跟任意数量的数字（在这种情况下为0或大于0）但只有在没有换行字符的情况下才会捕获这些数字＆＃39;

>>> def zipcodes():
            import re
            csv = '''client  number  client add
            40008               All, EdNULLNULLNULLNULLNULL
            40009               EC, Inc. 4200 Exec-ParkwayS, MO  63141Attn: John Smith
            40010               AWBWA, Inc. 2200 Northhighschool,VA  21801-7824Attn:              TerryLongNULL NULL'''
                zips = re.findall('(?<!\n)[\d]{5,6}[\-]?[\d]*', csv)
                print(zips)

<强>输出：

>>> zipcodes()
['63141', '21801-7824']

希望这有帮助。

Python邮政编码

2 个答案: