質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.50%
Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Q&A

解決済

3回答

493閲覧

大文字の英単語が2語連続で続く英語の抽出について

sham0909

総合スコア27

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0グッド

0クリップ

投稿2022/01/13 13:19

お世話になります。

大文字の英単語が2語連続で続く英語の抽出について聞きしたいです。
例えば、「We are TANAKA and YAMADA HANAKO」とあった場合に

列1列2列3
TANAKAYAMADAHANAKO

とせずに

列1列2
TANAKAYAMADA HANAKO

と抽出したいのですが、いい方法が思いつきません。
大文字のみの抽出はできるのですが、自分のしたいようになりません。

python

1import numpy as np 2import pandas as pd 3 4data="We are TANAKA and YAMADA HANAKO" 5d=data.split(" ") 6f=[i for i in d if i.isupper()] 7df=pd.DataFrame(f).T

ご教示いただけますと幸いです。

よろしくお願いいたします。

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答3

0

python

1import pandas as pd 2 3text = 'We are TANAKA, YAMADA HANAKO and ENGLISHMAN IN NEWYORK' 4 5df = pd.DataFrame({'text': [text]}) 6dfx = ( 7 df['text'].str 8 .extractall(r'((?:[A-Z]+(?=\b))(?:\s+[A-Z]+(?=\b))*)') 9 .reset_index(drop=True) 10 .T.rename(lambda x: f'列{x+1}', axis=1)) 11 12print(dfx) 13 14# 15123 160 TANAKA YAMADA HANAKO ENGLISHMAN IN NEWYORK

投稿2022/01/13 16:21

編集2022/01/13 16:45
melian

総合スコア19618

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

sham0909

2022/01/14 01:14

ご回答ありがとうございます。 参考にさせていただきます
guest

0

正規表現を使うのがいいでしょう。

Python

1import re 2data="We are TANAKA and YAMADA HANAKO" 3d = re.findall(r"\b[A-Z]+(?: [A-Z]+)?\b",data)

投稿2022/01/13 13:52

otn

総合スコア84421

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

sham0909

2022/01/13 14:11

ご回答ありがとうございました。 2語であれば、ここまでシンプルにできたのですね。 正規表現・・・勉強します。
otn

2022/01/13 14:31 編集

2語かどうかは本質的じゃないです。2語以上なら (?: [A-Z]+)? の「0回か1回」の「?」を (?: [A-Z]+)* と、「0回以上の繰り返し」の「*」に変えるだけです。 と、普通なら2語以上になってしまうところをあえて2語だけに制限していました。 やりたいことはちゃんと質問文に書きましょう。
sham0909

2022/01/14 01:13

ありがとうございました。 以後気をつけます
guest

0

ベストアンサー

以下のようにすれば、TANAKAYAMADA HANAKOを抽出できます.あとは。これをDataFrameにするのか簡単です。

python

1>>> txt = 'We are TANAKA and YAMADA HANAKO' 2>>> import re 3>>> not_uppers = [w for w in txt.split() if w != w.upper()] 4>>> uppers = [w for w in re.split(' *' + ' *| *'.join(not_uppers) + ' *', txt) if w!= ''] 5>>> print(uppers) 6['TANAKA', 'YAMADA HANAKO']

投稿2022/01/13 13:47

ppaul

総合スコア24666

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

ppaul

2022/01/13 14:03

なんとなく、3語以上連続していても一つの要素として取り出すものだと思ってコーディングしていました。 1語と2語だけならotnさんのほうがスマートですね。
sham0909

2022/01/13 14:11

ご回答ありがとうございました。 はじめに回答していただきましたので、ベストアンサーにさせていただきます。 実は、2語以上のものもできれば抽出したかったので、非常に助かりました。
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.50%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問