无法使用正则表达式为 pandas 中的值集找到第一次出现的子字符串

Question

我有一个如下所示的数据框，我只需要找到字符串中第一次出现的值集。

我无法将 "find" 函数与正则表达式和字典一起使用。如果我使用 "findall" 函数，当然会发现所有不是我需要的事件。

Text

51000/1-PLASTIC 150 Prange
51034/2-RUBBER KL 100 AA
51556/3-PAPER BD+CM 1 BOXT2
52345/1-FLOW IJ 10place 500 plastic
54975/1-DIVIDER PQR 100 BC
54975/1-SCALE DEF 555 AB Apple 
54975/1-PLASTIC ABC 4.6 BB plastic

代码：

import re

L = ['PLASTIC','RUBBER','PAPER','FLOW']
pat = '|'.join(r"\b{}\b".format(x) for x in L)

df['Result'] = df['Text'].str.find(pat, flags=re.I).str.join(' ')
print(df)

df = df.replace(r'^\s*$', np.nan, regex=True)
df = df.replace(np.nan, "Not known", regex=True)
#df['Result'] = df['Result'].str.lower()

预期结果：

Text                                                   Result

51000/1-PLASTIC 150 Prange                            Plastic
51034/2-RUBBER KL 100 AA                              Rubber
51556/3-PAPER BD+CM 1 BOXT2                           Paper
52345/1-FLOW IJ 10place 500 plastic                   Flow
54975/1-DIVIDER PQR 100 BC                            Not known
54975/1-SCALE DEF 555 AB Apple                        Not KNown 
54975/1-PLASTIC ABC 4.6 BB plastic                    Plastic

错误：

TypeError: find() got an unexpected keyword argument 'flags'

Answer 1

使用 Series.str.findall 而不是 find 和 select 通过索引 str[0]:

返回的 findall 列表的第一个值

import re

L = ['PLASTIC','RUBBER','PAPER','FLOW']
pat = '|'.join(r"\b{}\b".format(x) for x in L)

df['Result'] = df['Text'].str.findall(pat, flags=re.I).str[0]

或使用Series.str.extract:

df['Result'] = df['Text'].str.extract('(' + pat + ')', flags=re.I)

然后将缺失值转换为Not known:

df['Result'] = df['Result'].fillna("Not known")

如有必要最后使用Series.str.capitalize:

df['Result'] = df['Result'].str.capitalize()
print (df)
                                   Text     Result
0            51000/1-PLASTIC 150 Prange    Plastic
1              51034/2-RUBBER KL 100 AA     Rubber
2           51556/3-PAPER BD+CM 1 BOXT2      Paper
3   52345/1-FLOW IJ 10place 500 plastic       Flow
4            54975/1-DIVIDER PQR 100 BC  Not known
5        54975/1-SCALE DEF 555 AB Apple  Not known
6  54975/1-PLASTIC ABC 4.6 BB plastic      Plastic

无法使用正则表达式为 pandas 中的值集找到第一次出现的子字符串

Unable to find the first occurrence of substring using regex for set of values in pandas

python

substring

findall

python-3.x

pandas