Python邮政编码

我对Python非常陌生，正在努力执行我需要的东西。 我需要从字符串concat中提取邮政编码。 我在研究regex，但我在功能上遇到了困难

import pandas as pd
import re
from pandas import ExcelWriter

我导入了CSV，编码文本类型的字符串上传问题，建立了带有数据框的列，并使concat拥有自己的df

Client = pd.read_csv("CLZIPrevamp3.csv",encoding = "ISO-8859-1")
Client = Client[["clnum","concat"]]
clientzip = Client['concat']

CSV示例

client  number  client add
40008               All, EdNULLNULLNULLNULLNULL
40009               EC, Inc. 4200 Exec-ParkwayS, MO  63141Attn: John Smith
40010               AWBWA, Inc. 2200 Northhighschool,VA  21801-7824Attn:              TerryLongNULL NULL

示例目的

邮政编码也将匹配国际邮政编码、4位和5位邮政编码，并且所有字段都没有邮政编码

---

然后，我想将结果重写回我的客户机数据框，作为匹配答案的第三列

邮政编码是否始终是美国邮政编码？字段末尾的5位数字

然后把它切掉

>>> 'smithjonllcRichmondVa23220'[-5:]
'23220'

如果您有4位数字，那么您可能需要正则表达式

>>> import re
>>> re.findall('\d{4,5}$', 'smithjonllcRichmondVa3220')[0]
'3220'

对于像21801-7824这样的长邮政编码，它会变得更复杂，当您收到一个CSV文件时，如果列本身包含逗号，则情况会更复杂参见示例

AWBWA公司，弗吉尼亚州北高中2200号

您只需要请求不同的数据格式，因为祝您好运

---

就pandas而言，可以在列上应用函数

我将提供两个示例

老实说，如果CSV的格式与您在示例中提到的一致，您可以使用简单但有限的正则表达式（如下所示）找到zipcodes，它捕获字符串Attn之前的所有非空格字符，该字符串Attn似乎是读取字符串中的主题：

>>> def zipcodes():
            import re
            csv = '''client  number  client add
            40008               All, EdNULLNULLNULLNULLNULL
            40009               EC, Inc. 4200 Exec-ParkwayS, MO  63141Attn: John Smith
            40010               AWBWA, Inc. 2200 Northhighschool,VA  21801-7824Attn:                  TerryLongNULL NULL'''
            zips = re.findall('([\S]+)Attn', csv)
            print(zips)

输出：

现在，如果您想要一些稍微好一点的东西，它通过忽略开始一行的数字来区分，您可以使用一个像这样的前瞻性示例注意：Python的前瞻性文档不是最好的。。。嘘。下面的展望说明的是“捕获范围为5到6的数字字符串，如果适用，它们之间有0或1个dahs，在这种情况下可能后跟任意数量的数字0或大于0，但只有在这些数字前面没有换行符时才捕获这些数字”

>>> def zipcodes():
            import re
            csv = '''client  number  client add
            40008               All, EdNULLNULLNULLNULLNULL
            40009               EC, Inc. 4200 Exec-ParkwayS, MO  63141Attn: John Smith
            40010               AWBWA, Inc. 2200 Northhighschool,VA  21801-7824Attn:              TerryLongNULL NULL'''
                zips = re.findall('(?<!\n)[\d]{5,6}[\-]?[\d]*', csv)
                print(zips)

---

希望这能有所帮助。

如果没有这个电子表格/CSV，你能给出一个我们看不到的结果吗？我想问你一个CSV文件的示例，请原谅我不能给出任何数据，但是示例将是一个字段。姓-名-市-州-邮编-县。。。。所有这些数据连接在一个字段中，然后给出一个数据示例。弥补。否则，很难给你一个不是CSV的答案。如果zipcode总是最后5个字符，只需读取一行并使用line[-5:]提取最后5个字符。是的，非常糟糕，如果我抓取6列中的数据，但文本中仍然会有逗号，该怎么办。我直接查询出我们的数据库。没有一个字段真正具有相同的顺序，因此这是一个完整的问题。如果您有一个SQL数据库，pandas有一个read_SQL函数，您可以按照所需的列顺序直接查询它。如果字段顺序不正确，则向数据库的插入过程是错误的。数据库的插入过程没有统一的输入方式。弗吉尼亚，弗吉尼亚，弗吉尼亚，弗吉尼亚，弗吉尼亚，你关心的是邮政编码，而不是州。理想情况下，应该为state_name、state_abbrev、address、zip或其他替代项提供一个列元组。与数据库相符的是客户的代码，而不是检查输入验证的数据库。您完全正确，但不幸的是，摄入部门出错，数据库不要求他们在正确的列中输入所有内容。有时，所有内容都会进入地址列，而不是州、国家或邮政编码列。我们没有任何繁重的数据智能，我试图通过帮助他们编辑这些字段为他们解决一个问题

>>> def zipcodes():
            import re
            csv = '''client  number  client add
            40008               All, EdNULLNULLNULLNULLNULL
            40009               EC, Inc. 4200 Exec-ParkwayS, MO  63141Attn: John Smith
            40010               AWBWA, Inc. 2200 Northhighschool,VA  21801-7824Attn:              TerryLongNULL NULL'''
                zips = re.findall('(?<!\n)[\d]{5,6}[\-]?[\d]*', csv)
                print(zips)

>>> zipcodes()
['63141', '21801-7824']