基于关键字的pandas文本抽取

Question

我有一个包含两列的数据集：

Index            Text
 1               *some text* address13/b srs mall, indirapuram,sann-444000 *some text*
 2               *some text*   
 3               *some text* contactus 12J 1st floor, jajan,totl-996633 *some text*
 4               ..........
 5               ........

我想要一个数据帧有一个新的列作为“位置”，其中只有该字符串将从列“文本”中提取的关键字“地址”或“联系人”，直到6位数字，并给出"NA“，其中字符串不匹配。输出我想要的内容如下：

Index                location
1                 13/b srs mall, indirapuram,sann-444000
2                 NA
3                 12J 1st floor, jajan,totl-996633
4                 NA

Answer 1

使用str.extract

df['location'] = df.Text.str.extract('(?:address|contactus)(.*?\d{6})', expand=False)
df.drop('Text', 1)

   Index                                location
0      1  13/b srs mall, indirapuram,sann-444000
1      2                                     NaN
2      3        12J 1st floor, jajan,totl-996633

另外，当您有多个项目需要检查时，可以将它们放在一个列表中，并使用str.join将它们连接起来

terms = ['address', 'contactus', ...]

df['location'] = df.Text.str\
         .extract(r'(?:{})(.*?\d{6})'.format('|'.join(terms), expand=False)

正则表达式详细信息

(?:        # non-capturing group
address    # "address" 
|          # regex OR
contactus  # "contactus
)  
(.*?       # non-greedy match-all
\d{6}      # 6 digit zipcode
)