分離，並從在Python

Question

你好列刪除串起的數據，如果我有這樣的一個數據幀中的列：

df["OriginCityName"]: 
         OriginCityName: 
    0     Dallas/Fort Worth, TX 
    1     Detroit, MI 

我只希望提取的詞「達拉斯」和「底特律」，丟棄剩餘的數據。我希望列後看起來像這樣：

df["OriginCityName"]: 
         OriginCityName: 
     0     Dallas 
     1     Detroit 

有沒有辦法做到這一點。謝謝

Answer 1

您可以使用extract方法與正則表達式(^[A-Za-z]+)。這種提取所有字母字符從字符串的開頭：

df.OriginalCityName.str.extract('(^[A-Za-z]+)') 

#0 
#0  Dallas 
#1 Detroit 
#Name: OriginalCityName, dtype: object 

或者，如果您確定要提取什麼來無論是/或,之前，你可以試試這個：df.OriginalCityName.str.extract('(^.*?)(?=[/,])')。這提取了第一個/或,之前的所有內容，這是由於懶惰匹配.*?。

Answer 2

由於您希望「清理」城市名稱的規則可能隨着您看到更多數據而發生變化，因此我會構建清理功能。在這種情況下，re.split應該做的伎倆，並且可擴展的一段時間：

import re 

name_clean = lambda name: re.split(r'[/,]', name)[0] 
df.OriginCityName = df.OriginCityName.apply(name_clean) 

使用re.split有好生之德妥善處理在其名稱中的空格或標點符號，如"New York"和"St. Petersburg"城市。