如何用Pandas构建姓名检测器？基于指定数据集的提取需求

嘿，我来帮你搞定这个姓名提取的需求！针对你给出的数据集，我们可以用Pandas的字符串匹配工具结合正则表达式轻松实现目标。

核心思路 #

利用Pandas的str.extract()方法，通过正则表达式精准定位Mr.或Mrs.之后、逗号之前的姓名片段，直接提取到新列中。

完整代码示例 #

import pandas as pd

# 构造你的示例数据集
data = {
    'Id.': [1, 2],
    'Text': [
        'Dear Mr. Alpha Terra, your food is delivered',
        'Dear Mrs. Betta Irina Viruva, your drink is delivered'
    ]
}
df = pd.DataFrame(data)

# 提取姓名：匹配Mr.或Mrs.之后、逗号前的内容
df['Name'] = df['Text'].str.extract(r'(?:Mr\.|Mrs\.)\s*(.*?)\,', expand=False)

# 查看最终结果
print(df)

正则表达式拆解 #

咱们来解析一下用到的正则(?:Mr\.|Mrs\.)\s*(.*?)\,：

• (?:Mr\.|Mrs\.)：非捕获分组，匹配Mr.或Mrs.（.是正则特殊字符，必须用\转义）
• \s*：匹配任意数量的空白字符（包括空格、制表符等）
• (.*?)：捕获分组，非贪婪匹配任意字符，直到遇到后面的逗号（确保只提取姓名部分）
• \,：匹配结尾的逗号（同样转义.的特殊含义）

扩展适配 #

如果你的数据里还有其他头衔（比如Ms.、Dr.），只需要修改正则的非捕获分组即可，示例：

df['Name'] = df['Text'].str.extract(r'(?:Mr\.|Mrs\.|Ms\.|Dr\.)\s*(.*?)\,', expand=False)

运行代码后，就能得到你预期的输出结果啦！

内容的提问来源于stack exchange，提问作者Nabih Bawazir