从Pandas的DataFrame中提取大写字母

在处理Pandas数据时，我们可能需要从DataFrame中提取大写字母。例如，在处理文本数据时，需要提取大写字母用于识别关键词或名词。

下面以一个简单的示例数据集作为例子，介绍如何从Pandas的DataFrame中提取大写字母。

示例数据集

假设我们有一个数据集 data.csv，包含三列数据 ID、Name和Age，其中Name列包含大写字母和小写字母的混合字符串，如下所示：

我们的目标是从Name列提取大写字母。

解决方法

方法一：使用正则表达式

我们可以使用正则表达式来匹配大写字母。具体步骤如下：

首先，导入re模块，并编写正则表达式：

import re

pattern = r'[A-Z]'

这里使用[A-Z]匹配大写字母。如果要匹配所有字母，可以使用[a-zA-Z]。

然后，定义一个函数extract_upper，用于从字符串中提取大写字母：

def extract_upper(s):
    return ''.join(re.findall(pattern, s))

该函数会返回输入字符串中所有大写字母。

最后，使用apply方法将该函数应用到Name列：

import pandas as pd

df = pd.read_csv('data.csv')
df['Upper'] = df['Name'].apply(extract_upper)

这里，新建了一列Upper，其中存储了Name列中的大写字母。

完整代码如下：

import re
import pandas as pd

pattern = r'[A-Z]'

def extract_upper(s):
    return ''.join(re.findall(pattern, s))

df = pd.read_csv('data.csv')
df['Upper'] = df['Name'].apply(extract_upper)

print(df)

输出结果如下：

   ID       Name  Age Upper
0   1   John Doe   25    JD
1   2   Jane Doe   30    JD
2   3   Mary Sue   27    MS

方法二：使用Pandas的str方法

另一种方法是使用Pandas的str方法。具体步骤如下：

首先，使用str方法将Name列转换为字符串类型：

df['Name'] = df['Name'].astype(str)

然后，使用str.extract方法和正则表达式提取大写字母：

df['Upper'] = df['Name'].str.extract(r'([A-Z]+)')

这里，[A-Z]+表示匹配连续的大写字母。如果要匹配所有字母，可以使用[a-zA-Z]+。

完整代码如下：

import pandas as pd

df = pd.read_csv('data.csv')
df['Name'] = df['Name'].astype(str)
df['Upper'] = df['Name'].str.extract(r'([A-Z]+)')

print(df)

输出结果与方法一相同。

结论

使用正则表达式或Pandas的str方法均可从DataFrame中提取大写字母。使用正则表达式的优点是可自定义匹配规则，而Pandas的str方法则更为简洁。在实际应用中，可以根据需求选择合适的方法。