regex代码，如何解决一些数据输入错误

Question

我有两个数据帧

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；名字"；"之后的部分"&"，第二个df，第一个名字就是我想要的。

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regex适用于这两个df，但是，我刚刚意识到我的数据有一个输入错误。在df2中，刘和Dana有一个"最后导致regex不起作用。

错误是group((不是属性。

我有办法修复这个代码吗？regex应该同时适用于df

Answer 1

您可以使用

(^(?=[^,]*,?$)[w'-]+|(?<=, )[w'-]+)

请参阅regex演示。如果字符串中有尾随逗号，则此模式允许在字符串的初始位置匹配名称。

在Pandas中使用Series.str.extract矢量化方法：

df['first name'] = df['name'].str.upper().str.extract(r"(^(?=[^,]*,?$)[w'-]+|(?<=, )[w'-]+)", expand=False)

Regex详细信息

• ^(?=[^,]*,?$)[w'-]+-字符串(^(开头的一个或多个单词、'和-字符([w'-]+((如果字符串没有逗号，但可以以可选逗号((?=[^,]*,?$)(结尾(
• |-或
• (?<=, )[w'-]+-一个或多个单词，'和-字符，前面加逗号+空格

Answer 2

编辑：再次尝试，因为我的第一个不完整。您可以从这个极好的答案中获取正则表达式，只需要更改一件事。如果他们的前瞻性匹配任何逗号，我们只想匹配后面跟着另一个单词的逗号。结果：

(?:(?<=^(?!.*, *w))|(?<=, ))([A-Z]+)