這個問題是上一個問題How to extract only uppercase substring from pandas series? 的后續問題 。我決定提出新問題，而不是改變舊問題。我的目標是從名為 item 的列中提取聚合方法agg和特征名稱。feat這是問題：import numpy as npimport pandas as pddf = pd.DataFrame({'item': ['num','bool', 'cat', 'cat.COUNT(example)','cat.N_MOST_COMMON(example.ord)[2]','cat.FIRST(example.ord)','cat.FIRST(example.num)']})regexp = (r'(?P<agg>) ' # agg is the word in uppercase (all other substring is lowercased) r'(?P<feat>), ' # 1. if there is no uppercase, whole string is feat # 2. if there is uppercase the substring after example. is feat # e.g. cat ==> cat # cat.N_MOST_COMMON(example.ord)[2] ==> ord )df[['agg','feat']] = df.col.str.extract(regexp,expand=True)# I am not sure how to build up regexp here.print(df)"""Required output item agg feat0 num num1 bool bool2 cat cat3 cat.COUNT(example) COUNT # note: here feat is empty4 cat.N_MOST_COMMON(example.ord)[2] N_MOST_COMMON ord5 cat.FIRST(example.ord) FIRST ord6 cat.FIRST(example.num) FIRST num""";
1 回答
冉冉說
TA貢獻1877條經驗 獲得超1個贊
對于feat，由于您已經在其他 StackOverflow 問題中得到了答案agg，我認為您可以使用以下內容根據兩個不同的模式提取兩個不同的系列，這些模式彼此分開|，然后fillna()一個系列與另一個系列分開。
^([^A-Z]*$)僅當完整字符串為小寫時才返回完整字符串
[^a-z].*example\.([a-z]+)\).*$example.僅當之前的)字符串中有大寫字母時才應返回之后和之前的字符串example.
df = pd.DataFrame({'item': ['num','bool', 'cat', 'cat.COUNT(example)','cat.N_MOST_COMMON(example.ord)[2]','cat.FIRST(example.ord)','cat.FIRST(example.num)']})
s = df['item'].str.extract('^([^A-Z]*$)|[^a-z].*example\.([a-z]+)\).*$', expand=True)
df['feat'] = s[0].fillna(s[1]).fillna('')
df
Out[1]:
item feat
0 num num
1 bool bool
2 cat cat
3 cat.COUNT(example)
4 cat.N_MOST_COMMON(example.ord)[2] ord
5 cat.FIRST(example.ord) ord
6 cat.FIRST(example.num) num
上面給出了您正在尋找樣本數據的輸出，并符合您的條件。然而：
如果后面有大寫怎么辦example.？電流輸出將返回''
請參見下面的示例#2，其中一些數據根據上述點進行了更改：
df = pd.DataFrame({'item': ['num','cat.count(example.AAA)', 'cat.count(example.aaa)', 'cat.count(example)','cat.N_MOST_COMMON(example.ord)[2]','cat.FIRST(example.ord)','cat.FIRST(example.num)']})
s = df['item'].str.extract('^([^A-Z]*$)|[^a-z].*example\.([a-z]+)\).*$', expand=True)
df['feat'] = s[0].fillna(s[1]).fillna('')
df
Out[2]:
item feat
0 num num
1 cat.count(example.AAA)
2 cat.count(example.aaa) cat.count(example.aaa)
3 cat.count(example) cat.count(example)
4 cat.N_MOST_COMMON(example.ord)[2] ord
5 cat.FIRST(example.ord) ord
6 cat.FIRST(example.num) num
添加回答
舉報
0/150
提交
取消