如何让正则表达式代码仅作用于空目标单元格

Question

这是我的数据示例

街道地址	城市	州	邮政编码
1 Main St 01123	温斯特德	CT
1 Main St	温斯特德	CT	01123

我正在尝试使用正则表达式和pandas来清理我手头的电子表格。问题是我的正则表达式代码替换了整列中的每一个单元格，即使里面有有效的数据。

我尝试了

df['Zip'] = df['StreetAddress'].str.extract(r'(\d{5})')
df['StreetAddress'] = df['StreetAddress'].str.replace(r'(\d{5})', '', regex=True)

这给了我

街道地址	城市	州	邮政编码
1 Main St	温斯特德	CT	01123
1 Main St	温斯特德	CT

我希望能得到这样的结果

街道地址	城市	州	邮政编码
1 Main St	温斯特德	CT	01123
1 Main St	温斯特德	CT	01123

Answer 1

我会使用布尔遮罩，这样可以避免覆盖已有的数据，而且效率更高，因为只会处理相关的行：

add = df['StreetAddress'].str.extract(r'(\d{5})', expand=False)
m = add.notna()
df.loc[m, 'Zip'] = add[m]
df.loc[m, 'StreetAddress'] = (df.loc[m, 'StreetAddress']
                                .str.replace(r' *\d{5}', '', regex=True)
                             )

另外：

df['Zip'] = df['StreetAddress'].str.extract(r'(\d{5})', expand=False).fillna(df['Zip'])

或者，正如@ouroboros1建议的那样，可以保留原始的Zip：

df['Zip'].fillna(df['StreetAddress'].str.extract(r'(\d{5})', expand=False))

输出：

  StreetAddress     City State    Zip
0     1 Main St  Winsted    CT  01123
1     1 Main St  Winsted    CT  01123