正则表达式代码，如何解决某些数据输入错误

Question

我有两个数据框

df1

name

ADAM, HAFIZ M

ABAD, FARLEY J

CORDDED, NANCY C

BOMBSHAD, WANG D

df2

JOSEPH W. HOLUBKA   

WANG E. JONATHAN

CUCU F. LIU,

WANG C. DANA,

LANDY F. JON

我希望提取每个数据帧的名字。对于 df1，我需要“,”之后的“名字”部分，第二个 df，名字就是我想要的。

所以返回的 df 是

df1

HAFIZ

FARLEY

NANCY

WANG

df2

JOSEPH

WANG

CUCU

WANG

LANDY

我当前的代码是

  df['name'].str.upper().apply(lambda name:re.search(r'\w+(?!.*,)',name).group())

这个正则表达式适用于两个 df，但是，我刚刚意识到我的数据有一个输入错误。在 df2 中，Liu 和 Dana 末尾有一个“，”，这导致正则表达式不起作用。

错误是 group() 不是属性。

无论如何我可以修复这个代码吗？正则表达式应该适用于 df

Answer 1

您可以使用(^(?=[^,]*,?$)[\w'-]+|(?<=,&nbsp;)[\w'-]+)请参阅正则表达式演示。如果字符串中存在尾随逗号，则此模式允许在字符串中的初始位置匹配名称。在 Pandas 中使用向Series.str.extract量化方法：df['first&nbsp;name']&nbsp;=&nbsp;df['name'].str.upper().str.extract(r"(^(?=[^,]*,?$)[\w'-]+|(?<=,&nbsp;)[\w'-]+)",&nbsp;expand=False)正则表达式详细信息^(?=[^,]*,?$)[\w'-]+'- 一个或多个单词，如果字符串没有逗号但可以以可选逗号 ( ) 结尾，则在字符串 ( ) 开头添加-字符[\w'-]+(&nbsp;)^(?=[^,]*,?$)|- 或者(?<=, )[\w'-]+- 一个或多个单词，'以及-字符 字符前面带有逗号 + 空格。

Answer 2

再试一次，因为我的第一个不在那里。您只需要更改一件事。当它们的前瞻匹配任何逗号时，我们只想匹配后面跟着另一个单词的逗号。导致：(?:(?<=^(?!.*, *\w))|(?<=, ))([A-Z]+)