将由空格分隔的单词分组的正则表达式

Question

我有一个数据帧，其中一列是一系列字符串，其中截然不同的短语要么是单个单词，要么是用空格分隔的多个单词；每个单词的第一个字母都是大写字母（例如“草莓”或“草莓果酱”）。相反，如果这些词不是同一短语的一部分，则不会间隔开（例如“jamapple”）。

df = pd.DataFrame({'foo': ['Strawberry JamApple', 'BananaPear CrumblePotato', 'Almond Cake'],
                   'bar': ['A', 'B', 'C'],
                   'baz': [1, 2, 3],
                   'zoo': ['x', 'y', 'z']})


                        foo bar  baz zoo
0       Strawberry JamApple   A    1   x
1  BananaPear CrumblePotato   B    2   y
2               Almond Cake   C    3   z

我如何使用regex在一个字符串中根据上面的规则将短语分开（分为“草莓果酱”、“苹果”、“香蕉”、“梨碎”、“土豆”、“杏仁蛋糕”）。然后提取他们？即获得以下数据帧：

   foo
0  Strawberry Jam
0  Apple
1  Banana
1  Pear Crumble
1  Potato
2  Almond Cake

我从以下代码开始：

df.loc[:, 'foo'].str.extractall('([A-Z]{1}[a-z]+)').copy()

但是，这把所有的词都分开了，并没有用空间把它们“连接”起来。我如何包括后者？

多谢了。

Answer 1

df['foo'].str.split(r'(?<=[a-z])(?=[A-Z])').explode()

0    Strawberry Jam
0             Apple
1            Banana
1      Pear Crumble
1            Potato
2       Almond Cake
Name: foo, dtype: object

请参阅正则表达式演示