str의 데이터 추출

Python Pandas의 str.extract() 활용법: 정규 표현식으로 데이터 추출하기

데이터 분석을 하다 보면 문자열에서 특정 패턴을 추출해야 할 때가 많습니다. 예를 들어, 상품명에서 코드만 따로 분리하거나, 한글과 숫자를 분리하는 작업이 필요할 수 있습니다. 이런 경우, Pandas의 str.extract() 함수와 정규 표현식(Regex) 을 사용하면 매우 쉽게 처리할 수 있습니다.

---

🔹 str.extract()란?

Pandas의 str.extract() 함수는 문자열에서 특정 패턴을 찾아서 추출하는 기능을 합니다. 정규 표현식을 활용하여 원하는 데이터를 분리할 수 있으며, 새로운 컬럼으로 저장하는 것도 가능합니다.

✅ 기본 문법

DataFrame['컬럼명'].str.extract(r'(정규 표현식)')

• r'...' : 정규 표현식(Regex)을 의미하는 문자열
• () : extract()는 괄호 () 안의 패턴을 추출

---

📌 str.extract() 정규 표현식 예제

정규 표현식의미예제 (추출 결과)

([A-Z]\d+)	대문자 1개 + 숫자 조합	"노트북 A123" → "A123"
(\w\d+)	알파벳 또는 숫자 + 숫자 조합	"모니터 B456" → "B456"
(\d+)	숫자만 추출	"키보드 C789" → "789"
([가-힣]+)	한글만 추출	"마우스 M200" → "마우스"
([A-Za-z]+)	영문자만 추출	"모니터 B456" → "B"
(\D+)	숫자가 아닌 문자만 추출	"키보드 C789" → "키보드 C"
([a-zA-Z0-9]+)	한글 제외하고 영어+숫자만 추출	"스마트폰 X500" → "X500"
(\b[A-Z]+\b)	대문자 단어만 추출 (공백 기준)	"TV LG OLED" → "LG"
(\w+)$	문장 끝 마지막 단어 추출	"맥북 프로 M1" → "M1"
^(\w+)	문장 맨 앞 첫 번째 단어 추출	"갤럭시 Z 플립" → "갤럭시"

---

🎯 str.extract() 실전 활용 예제

🔹 예제 데이터 생성

import pandas as pd

# 예제 데이터 생성
data = {'상품명': ['노트북 A123', '모니터 B456', '키보드 C789', '마우스 M200', '스마트폰 X500']}
df = pd.DataFrame(data)

🔹 숫자 코드만 추출하기

df['숫자코드'] = df['상품명'].str.extract(r'(\d+)')
print(df)

출력 결과:

       상품명       숫자코드
0  노트북 A123   123
1  모니터 B456   456
2  키보드 C789   789
3  마우스 M200   200
4  스마트폰 X500  500

---

🔹 한글과 영문+숫자 분리하기

df['한글명'] = df['상품명'].str.extract(r'([가-힣]+)')
df['영문+숫자'] = df['상품명'].str.extract(r'([A-Za-z0-9]+)')
print(df)

출력 결과:

       상품명       숫자코드  한글명   영문+숫자
0  노트북 A123   123   노트북  A123
1  모니터 B456   456   모니터  B456
2  키보드 C789   789   키보드  C789
3  마우스 M200   200   마우스  M200
4  스마트폰 X500  500  스마트폰  X500

---

🔥 str.extract() 실무 활용 팁

1️⃣ ERP, 쇼핑몰 데이터 정리

• 상품명에서 모델명, 브랜드명, 제품 코드를 분리할 때 유용
• 예: "삼성 갤럭시 S21 256GB" → "갤럭시 S21", "256GB"

2️⃣ 마케팅 데이터 분석

• UTM 파라미터, 트래킹 코드에서 특정 값 추출
• 예: "utm_source=google&utm_medium=cpc" → "google", "cpc"

3️⃣ 로그 데이터 분석

• IP 주소, 특정 패턴 로그를 분리하는 데 활용
• 예: "User: admin (IP: 192.168.0.1)" → "192.168.0.1"

---

✅ 정리

Pandas의 str.extract()는 정규 표현식을 사용하여 문자열에서 특정 패턴을 추출하는 강력한 기능입니다. 상품명 정리, 데이터 정제, 마케팅 분석, 로그 분석 등 다양한 실무에서 활용 가능하므로 익혀두면 데이터 분석 효율이 크게 향상됩니다! 🚀