使用正则表达式从python的数据框中提取街道地址中的街道编号

Question

d1 = dataset['End station'].head(20)

for x in d1:
    x = re.compile("[0-9]{5}")

print(d1)

使用dataset['End_Station'] = dataset['End station'].map(lambda x: re.compile("([0-9]{5})").search(x).group())

节目-TypeError: expected string or bytes-like object. 我是数据分析的新手，想不出其他任何方法

Answer 1

Pandas 有自己的有关 Regex 的方法，因此采用“更多pandasonic”方式 编写代码只是为了使用它们，而不是原生的 re 方法。

考虑这样的源数据示例：

                      End station
0    4055 Johnson Street, Chicago
1  203 Mayflower Avenue, Columbus

要在上述地址中找到街道编号，请运行：

df['End station'].str.extract(r'(?P<StreetNo>\d{,5})')

您将获得：

      StreetNo
0     4055
1      203

请注意，街道编号可能比5位数字短，但是您尝试 以匹配仅 5 个数字的序列。

代码中的另一个怪异点：为什么要在循环中编译正则表达式 然后不使用它们？

编辑

更仔细地查看您的代码后，我还有另外两句话。

写时：

for x in df:
    ...

然后，该循环实际上在列名（而不是行）上进行迭代。

代码中的另一个怪异点是 x 变量，最初用于保存 列名，您再次使用将已保存的正则表达式保存在那里。 这是个坏习惯。变量应用于清楚地保存一个 每个对象中定义的对象。

就行迭代而言，您可以使用例如

for idx, row in df.iterrows():
    ...

但是请注意，行列会返回由以下内容组成的对：

• 当前行的索引，
• 行本身。

然后（在循环中）您可能会引用此行的各个列。