Question

我想从名称列中提取某个字符之前的单词，并将新的列添加为颜色

如果名称前没有颜色，那么我想显示空字符串

我一直在尝试在比赛之前提取单词。例如，我有下表：

import pandas as pd
import re
data = ['red apple','green topaz','black grapes','white grapes']
df = pd.DataFrame(data, columns = ['Names']) 

     Names
red apple
green apple
black grapes
white grapes
normal apples
red apple

下面的代码我很害怕 我正在争取部分输出

df['Names'].apply(lambda x: ' '.join(re.findall(r'(\w+)\s+apple', x)))

df['Names'].apply(lambda x: ' '.join(re.findall(r'(\w+)\s+apple|grapes', x)))

所需的输出：

Names           color
red apple       red
green apple     green
black grapes    black
white grapes    white
normal apples
red apple       red

请帮我解决这个问题

Answer 1

我找到了这个解决方案：给我一个像['red'，'green'，'black'，'white'，'']

的color_column

import re
data = ['red apple','green topaz','black grapes','white grapes','apples']

colors_column = list(map(lambda x: ' '.join(re.findall(r'(\S\w+)\s+\w+', x)) ,data))

Answer 2

不一定是个绝妙的把戏，但这似乎可行：

((re.search('(\w*) (apple|grape)',a)) or ['',''])[1]

简而言之，您搜索的是苹果或葡萄之前的第一个单词，但是如果没有匹配项，它将返回None，这是错误的。因此，您可以使用或使用空字符串列表，但是由于要获取匹配表达式的第一个元素（索引1），因此我使用了空字符串的两个元素列表（在那里获取了第二个元素）。

Answer 3

一种解决方案是删除 fruit 名称以获取颜色：

def remove_fruit_name(description):
    return re.sub(r"apple|grapes", "", description)

df['Colors'] = df['Names'].apply(remove_fruit_name)

如果您有很多行，则编译正则表达式可能会更快：

fruit_pattern = re.compile(r"apple|grapes")

def remove_fruit_name(description):
    return fruit_pattern.sub("", description)

另一种解决方案是使用 lookahead断言，（可能）速度更快，但是代码稍微复杂一些：

# That may be useful to have a set of fruits:
valid_fruit_names = {"apple", "grapes"}
any_fruit_pattern = '|'.join(valid_fruit_names)

fruit_pattern = re.compile(f"(\w*)\s*(?={any_fruit_pattern})")

def remove_fruit_name(description):
    match = fruit_pattern.search(description)
    if match:
        return match.groups()[0]
    return description

df['Colors'] = df['Names'].apply(remove_fruit_name)

以下是文档中引用的前瞻示例：

(?=...)

如果...下一个匹配，则匹配，但不使用任何字符串。这称为超前断言。例如，Isaac (?=Asimov)仅在其后跟'Isaac '时才匹配'Asimov'。

最后，如果要使normal和green之间有所不同，您将需要一个有效颜色的字典。如果输入中包含非水果字符串，例如topaz，则水果名称也是如此。

正则表达式可在python中的某个字符之前抓取单词

3 个答案: