提取列中每个单词的第一个字符串

Question

我的DF如下所示

col1
GRE MET HOCK 38 
ASS COM CORD EMERG  INIT

我想用col1中每个单词的第一个字符串创建一个列，但保留整数，如下所示

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

我找到了一些可能有效的方法，但没有达到预期的效果

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

Answer 1

split将空格上的字符串堆叠成一个长序列。然后，您可以获取第一个字母，除了字符串isnumeric的拆分部分之外，最后加入结果并赋值，这与原始数据帧索引对齐

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

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

见regex demo。根据支持正则表达式所需的数字类型和单词边界类型，可以对正则表达式进行调整

当前模式匹配

• \b(?!\d+\b)(\w)\w*-一个单词边界，然后是一个单词字符（捕获到组1中，然后是零个或多个单词字符，但这些单词字符不应构成一个完整的数字序列）
• |-或
• \s+-一个或多个空白

如果组1匹配，则此大写值为替换值，否则，将删除匹配值（替换值为空字符串）

Answer 3

您可以迭代列项并提取按空格拆分的项的单词，然后使用单词的首字母创建新词并将新词保存到列表中，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)