如何提取DataFrame列中'zip_code'后的首个单词（邮编）

需求 #

从DataFrame的location列字符串中，识别特定单词zip_code并提取其后方的邮编值。

输入示例 #

name   location
 Bar1   LA Jefferson zip_code 202378 Avenue free
 Pizza  Avenue 45 zip_code 45623 wichita st
 Tacos   Las Americas avenue 7 zip_code 67890 nicolas st

期望输出 #

name   location                                          
 Bar1    202378 
 Pizza   45623
 Tacos   67890 

现有进展 #

已实现单个字符串的邮编提取：

str = "address1 355 Turnpike Ste 4  address3 zip_code 02021 country    US   "
str.split("zip_code")[1].split()[0]
>> 02021

解决方案 #

要对DataFrame的location列逐行执行提取操作，有两种常用方法：

方法1：使用apply方法 #

把单个字符串的提取逻辑封装成函数，再通过apply作用于整个列：

import pandas as pd

# 构造示例DataFrame
data = {
    'name': ['Bar1', 'Pizza', 'Tacos'],
    'location': [
        'LA Jefferson zip_code 202378 Avenue free',
        'Avenue 45 zip_code 45623 wichita st',
        'Las Americas avenue 7 zip_code 67890 nicolas st'
    ]
}
df = pd.DataFrame(data)

# 定义提取函数
def extract_zip(location_str):
    return location_str.split("zip_code")[1].split()[0]

# 应用到location列，替换原列或生成新列
df['location'] = df['location'].apply(extract_zip)
print(df)

方法2：使用正则表达式（更高效，适合大数据量） #

利用str.extract配合正则表达式直接匹配邮编，比apply性能更好：

# 使用正则匹配zip_code后的数字序列
df['location'] = df['location'].str.extract(r'zip_code\s+(\d+)', expand=False)
print(df)

正则表达式r'zip_code\s+(\d+)'的含义：

• zip_code：匹配固定字符串
• \s+：匹配一个或多个空格
• (\d+)：捕获一个或多个数字（即邮编值）

内容的提问来源于stack exchange，提问作者coding