在pandas列中提取每个单词的第一个字符串

Question

我有以下的DF

col1
GRE MET HOCK 38 
ASS COM CORD EMERG  INIT

我想创建一列，其中包含col1中每个单词的第一个字符串，但保留整数。示例如下：

col1                        col2
GRE MET HOCK 38             GMH38
ASS COM CORD EMERG  INIT    ACCEI 

我找到了一些可能有效的东西，但是没有得到预期输出。

import re
input = "GRE MET HOCK 38"
output = "".join(item[0].upper() for item in re.findall("\w+", input))

- A2N15

Answer 1

split把字符串按空格分割成多个部分，然后堆叠成一个长的系列。接着你可以取每个部分的第一个字母，但是当分割的部分isnumeric时需要特殊处理，最后将结果连接并重新赋值，这样就能跟原始的数据框索引对齐。

import pandas as pd
df = pd.DataFrame({'col1': ['GRE MET HOCK 38', 'ASS COM CORD EMERG  INIT']})

s = df['col1'].str.split('\s+', expand=True).stack()
df['col2'] = s.str[0].mask(s.str.isnumeric(), s).groupby(level=0).agg(''.join)

---

                       col1   col2
0           GRE MET HOCK 38  GMH38
1  ASS COM CORD EMERG  INIT  ACCEI

- ALollz

Answer 2

您可以使用Series.str.replace：

import pandas as pd
df = pd.DataFrame({'col':['GRE MET HOCK 38', 'ASS COM CORD EMERG  INIT']})
df['col'].str.replace(r'\b(?!\d+\b)(\w)\w*|\s+', lambda x: x.group(1).upper() if x.group(1) else '', regex=True)
# => 0    GMH38
#    1    ACCEI
#    Name: col, dtype: object

请看正则表达式演示，根据需要支持的数字类型和单词边界类型可以调整正则表达式。

当前的匹配模式如下：

- \b(?!\d+\b)(\w)\w* - 匹配一个单词边界，然后是一个单词字符（捕获到第一组），再接着零个或多个单词字符，但这些单词字符不能作为一个整体构成数字序列。 - | - 或 - \s+ - 一个或多个空白字符。

如果第一组匹配成功，则将其大写并替换，否则删除匹配项（替换为空字符串）。

- Wiktor Stribiżew

Answer 3

您可以迭代列项并通过空格拆分项提取单词，然后使用单词的第一个字母创建新单词并将其保存到列表中，然后将此列表添加到DataFrame的新列中。

from pandas import DataFrame

data = {
    'col1' : ['GRE MET HOCK 38', 'ASS COM CORD EMERG INIT'],
}

new_column = []

df = DataFrame(data)

for item in df['col1']:
    new_item = ""
    #extract words from item with split by space
    words = item.split()
    for word in words:
        #add first letter to new item
        new_item += word[0]
    #add new item to new column
    new_column.append(new_item)


#add new column to DataFrame
df['col2'] = new_column
print(df)

- Amir Aref