使用 Python 映射字母数字字符串

我有一个姓名数据集。 根据名称的字母数字字符串，我需要将它们映射到子名称，如下所示。

Name            Subname
9-AIF-09        9A09
980-PD-Z09A     980P09
15-KIC-12       15K12
PIA-110H        P-110
IC009A          I009A

可以定义规则，例如，如果名称中存在“A”，则保留所有数字和字母“A”，名称中存在“P”，则仅保留“P”。 算法本身必须识别关于如何完成映射的模式。

是否有任何算法可以用来识别训练数据集中的模式以进一步预测。

我看到两个选择。

获取 3 组（第一个字母之前、第一个字母之前、第一个字母之后）并删除第 1 组和第 3 组中的所有非数字：

import re
df['Subname'] = df['Name'].str.replace(r'([^a-zA-Z]+)([a-zA-Z])(.*)',
                                       lambda m: (re.sub('\D', '', m.group(1))
                                                  +m.group(2)
                                                  +re.sub('\D', '', m.group(3))),
                                      regex=True)

或者，定义一个模式：非数字/数字/非数字/字母/非数字/数字/非数字：

df['Subname'] = (df['Name'].str.extract(r'\D*(\d+)[^\da-zA-Z]*([a-zA-Z])\D*(\d+)')
                           .agg(''.join, axis=1)
                 )

output

          Name Subname
0     9-AIF-09    9A09
1  980-PD-Z09A  980P09
2    15-KIC-12   15K12