python - 在电子邮件开始之前获取所有电子邮件和单词

Question

我正在尝试解析我的数据集以获取所有电子邮件和电子邮件之前的单词。例如，如果我有这样的一行：

sno                                                text
1        From: [e-mail] To: [e-mail] Hi my name is Sam and my email is [e-mail]

然后我想将其捕获为：

sno                                                text                                              emails
1        From: [e-mail] To: [e-mail] Hi my name is Sam and my email is [e-mail]    [From : [e-mail] ,To: [e-mail], is [e-mail]] 

到目前为止我尝试过的解决方案：

我已尝试使用“find_all”功能来获取所有电子邮件，但在电子邮件开始之前获取单词时遇到问题。

df['Full Comments'].str.findall('(\S+@\S+)').str[0]

对此的任何帮助表示赞赏。谢谢你。

标签： pythonpandasnumpytextnlp

Answer 1

尝试：

pat = '([\w:]+ [\w\.]+@[\w\.]+)'

df['emails'] = df.text.str.extractall(pat).groupby(level=0)[0].agg(list)

---

更新：您可以将单词提升为列标题unstack：

emails = (df.text.str.extractall(pat)
       .reset_index('match', drop=True)
       .set_index([0],append=True)[1]
       .unstack()
    )

df = df.join（电子邮件）

输出（没有连接部分）：

0       From:             To:                 is 
0  [e-mail]  [e-mail]  [e-mail]