使用Python映射AlphaNumeric字符串

Question

我有一个名字数据集。基于名称的字母数字字符串，我需要将它们映射到子名称，如下所示。

Name            Subname
9-AIF-09        9A09
980-PD-Z09A     980P09
15-KIC-12       15K12
PIA-110H        P-110
IC009A          I009A

可以定义这样的规则，例如，如果“A”在名称中，然后保留所有的数字和字母表'A'，'P‘在名称中，那么只有'P’才会继续。模式必须由算法本身来识别映射是如何完成的。

是否有任何算法可用于从训练数据集中识别模式以进一步预测。

Answer 1

我有两种选择。

得到三个组(在第一个字母之前、第一个字母之前、第一个字母之后)，并删除第一组和第三组中的所有非数字：

import re
df['Subname'] = df['Name'].str.replace(r'([^a-zA-Z]+)([a-zA-Z])(.*)',
                                       lambda m: (re.sub('\D', '', m.group(1))
                                                  +m.group(2)
                                                  +re.sub('\D', '', m.group(3))),
                                      regex=True)

或者，定义一个模式: non-digits/digits/non-digits/letter/non-digits/digits/non-digits：

df['Subname'] = (df['Name'].str.extract(r'\D*(\d+)[^\da-zA-Z]*([a-zA-Z])\D*(\d+)')
                           .agg(''.join, axis=1)
                 )

输出

          Name Subname
0     9-AIF-09    9A09
1  980-PD-Z09A  980P09
2    15-KIC-12   15K12