python - 如何使用正则表达式拆分列，以将尾随的CAPS移到单独的列中？

我正在尝试使用正则表达式拆分一列，但似乎无法正确获取拆分。我正在尝试采用所有尾随的CAPS，并将其移至单独的列中。因此，我将获得连续2-4个CAPS的所有CAPS。但是，只保留'Name'列，而'Team'列为空白。

这是我的代码:

import pandas as pd

url = "https://www.espn.com/nba/stats/player/_/table/offensive/sort/avgAssists/dir/desc"

df = pd.read_html(url)[0].join(pd.read_html(url)[1])
df[['Name','Team']] = df['Name'].str.split('[A-Z]{2,4}', expand=True)

我要这个:

print(df.head(5).to_string())
   RK             Name POS  GP   MIN   PTS  FGM   FGA   FG%  3PM  3PA   3P%  FTM  FTA   FT%  REB   AST  STL  BLK   TO  DD2  TD3    PER
0   1  LeBron JamesLA  SF  35  35.1  24.9  9.6  19.7  48.6  2.0  6.0  33.8  3.7  5.5  67.7  7.9  11.0  1.3  0.5  3.7   28    9  26.10
1   2   Ricky RubioPHX  PG  30  32.0  13.6  4.9  11.9  41.3  1.2  3.7  31.8  2.6  3.1  83.7  4.6   9.3  1.3  0.2  2.5   12    1  16.40
2   3   Luka DoncicDAL  SF  32  32.8  29.7  9.6  20.2  47.5  3.1  9.4  33.1  7.3  9.1  80.5  9.7   8.9  1.2  0.2  4.2   22   11  31.74
3   4   Ben SimmonsPHIL  PG  36  35.4  14.9  6.1  10.8  56.3  0.1  0.1  40.0  2.7  4.6  59.0  7.5   8.6  2.2  0.7  3.6   19    3  19.49
4   5    Trae YoungATL  PG  34  35.1  28.9  9.3  20.8  44.8  3.5  9.4  37.5  6.7  7.9  85.0  4.3   8.4  1.2  0.1  4.8   11    1  23.47

成为这样:

print(df.head(5).to_string())
   RK             Name    Team    POS  GP   MIN   PTS  FGM   FGA   FG%  3PM  3PA   3P%  FTM  FTA   FT%  REB   AST  STL  BLK   TO  DD2  TD3    PER
0   1  LeBron James        LA    SF  35  35.1  24.9  9.6  19.7  48.6  2.0  6.0  33.8  3.7  5.5  67.7  7.9  11.0  1.3  0.5  3.7   28    9  26.10
1   2   Ricky Rubio        PHX    PG  30  32.0  13.6  4.9  11.9  41.3  1.2  3.7  31.8  2.6  3.1  83.7  4.6   9.3  1.3  0.2  2.5   12    1  16.40
2   3   Luka Doncic        DAL    SF  32  32.8  29.7  9.6  20.2  47.5  3.1  9.4  33.1  7.3  9.1  80.5  9.7   8.9  1.2  0.2  4.2   22   11  31.74
3   4   Ben Simmons        PHIL    PG  36  35.4  14.9  6.1  10.8  56.3  0.1  0.1  40.0  2.7  4.6  59.0  7.5   8.6  2.2  0.7  3.6   19    3  19.49
4   5    Trae Young        ATL    PG  34  35.1  28.9  9.3  20.8  44.8  3.5  9.4  37.5  6.7  7.9  85.0  4.3   8.4  1.2  0.1  4.8   11    1  23.47

最佳答案

您可以使用诸如^(.*?)([A-Z]+)$或^(.*[^A-Z])([A-Z]+)$这样的正则表达式将数据提取为两列:

df[['Name','Team']] = df['Name'].str.extract('^(.*?)([A-Z]+)$', expand=True)

这将保留所有不超过“名称”组中大写字母的最后一个字符和“团队”组中最后一个大写字母。

参见regex demo #1和regex demo #2

详细信息

^-字符串开始

(.*?)-捕获组1:除换行符以外的任何零个或多个字符，并且尽可能少
或

(.*[^A-Z])-除换行符以外的任何零个或多个字符，尽可能多，直到最后一个不是ASCII大写字母的字符(允许后续模式匹配)(请注意，此模式表示至少有1个字符最后一个大写字母之前)

([A-Z]+)-捕获组2:一个或多个ASCII大写字母

$-字符串结尾。

关于python - 如何使用正则表达式拆分列，以将尾随的CAPS移到单独的列中？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59629795/

caps

python - 如何使用正则表达式拆分列，以将尾随的CAPS移到单独的列中？