我有一個數據集如下： data = {"C1" : ['DDDSSDSSDS','SSDDDSSDDS', 'DDDDDDDDDD','SSSSSSSSSS','SSSSSSSDSS','DDDDDSDDDD','SDDDDDDDDD']} dt = pd.DataFrame(data) print(dt)對于每個字符串，我想獲取每個“不間斷 S 組”的第一個元素和最后一個元素的位置。例如，對于第一行，我有“DDD SS D SS D S ”（如您所見，我有三組 S），我最喜歡的“S 組”輸出類似于[(3,5),(6,8),(9-10)]顯示第一和第二的位置第一排第三個“不間斷的S組”。因此輸出的示例如下： C1 C20 DDDSSDSSDS [(3, 5), (6, 8), (9-10)]1 SSDDDSSDDS [(0, 2), (5, 7), (9, 10)]2 DDDDDDDDDD []3 SSSSSSSSSS [(1, 11)]4 SSSSSSSDSS [(0, 7), (8, 10)]5 DDDDDSDDDD [(5, 6)]6 SDDDDDDDDD [(0, 1)]我當前的解決方案是：def split_it(mystring): x = re.findall('(S*)', mystring) if x : return(x)dt['C2'] = dt['C1'].apply(split_it)print(dt)這會導致以下輸出：0 DDDSSDSSDS [, , , SS, , SS, , S, ]1 SSDDDSSDDS [SS, , , , SS, , , S, ]2 DDDDDDDDDD [, , , , , , , , , , ]3 SSSSSSSSSS [SSSSSSSSSS, ]4 SSSSSSSDSS [SSSSSSS, , SS, ]5 DDDDDSDDDD [, , , , , S, , , , , ]6 SDDDDDDDDD [S, , , , , , , , , , ]
2 回答
慕雪6442864
TA貢獻1812條經驗 獲得超5個贊
您可以使用
def split_it(mystring):
return [(m.start(), m.end()) for m in re.finditer('S+', mystring)]
輸出：
>>> dt['C1'].apply(split_it)
0 [(3, 5), (6, 8), (9, 10)]
1 [(0, 2), (5, 7), (9, 10)]
2 []
3 [(0, 10)]
4 [(0, 7), (8, 10)]
5 [(5, 6)]
6 [(0, 1)]
Name: C1, dtype: object
返回re.finditer('S+', mystring)字符串中找到的所有匹配對象，您可以通過.start()和.end()調用獲取開始和結束位置。
請注意，輸出中出現空匹配，因為S*匹配零個或多個 S字符，您需要使用+來匹配一個或多個.
九州編程
TA貢獻1785條經驗 獲得超4個贊
您可以使用 findall 應用正則表達式：
(
dt
.assign(C2= lambda x: x['C1'].str.findall('S+'))
.assign(C2= lambda x: x.apply(lambda s: [(s[0].find(item),s[0].find(item)+len(item)) for item in s[1]] ,axis=1))
)
C1 C2
0 DDDSSDSSDS [(3, 5), (3, 5), (3, 4)]
1 SSDDDSSDDS [(0, 2), (0, 2), (0, 1)]
2 DDDDDDDDDD []
3 SSSSSSSSSS [(0, 10)]
4 SSSSSSSDSS [(0, 7), (0, 2)]
5 DDDDDSDDDD [(5, 6)]
6 SDDDDDDDDD [(0, 1)]
添加回答
舉報
0/150
提交
取消