Python 3.x 如何对包含数字和字符串的数据帧列进行标签编码？

我有这个DataFrame列

+-------------------------------------+--+
|                df:                  |  |
+-------------------------------------+--+
| Index           Ticket*             |  |
| 0               254326              |  |
| 1               CA345               |  |
| 3               SA12                |  |
| 4               267891              |  |
| '               '                   |  |
| '               '                   |  |
| '               '                   |  |
| 700            CA356                |  |
+-------------------------------------+--+

它包含两种类型的值。有些是纯数字，有些是包含字母和数字的字符串

许多行具有相同的字母（CA345、CA675等）。我想用相同的字母和数字对行进行分组和标记

例如，所有标记为0的“CA”行，所有标记为1的“SA”行

---

其余行都有六位数字（其中没有字母）。我想用相同的数字标记所有这样的行（例如2）

我对python的知识不够，但是

你可以试试

及

正则表达式

比如：

---

第一次进近

定义自定义函数，检查行

是否为instance（val，str）

并包含

“SA”

或

“CA”

def标签\u票据（行）：
如果isinstance（第['Ticket']行，str）和第['Ticket']行中的'CA'：
返回0
如果isinstance（第['Ticket']行，str）和第['Ticket']行中的'SA'：
返回1
返回2

将自定义函数应用于新列

df（'Label'）

---

第二次进近

进一步了解情况，您似乎不知道在

df['Ticket']

中会出现哪些实例。在这种情况下，您可以使用搜索所有字符串模式，并相应地将它们分类到类别中

将熊猫作为pd导入
进口稀土
df=pd.DataFrame（列=['Ticket']，
数据=[[254326]，
[CA345']，
['SA12']，
[267891],
['CA356']]
df['Pattern']=df['Ticket'].apply（lambda x:''.join（重新拆分（[^a-zA-Z]*”，str（x）））
df_label=pd.DataFrame（df['Pattern'].unique（），columns=['Pattern']）。重置_索引（level=0）。重命名（columns={'index'：'label'}）
df=df.merge（df_标签，how='left'）
打印（df）
票型标签
0  254326              0
1 CA345 CA1
2 SA12 SA 2
3  267891              0
4钙356钙1

但我需要做的第一件事是找出一种方法，找出系列中存在的所有此类实例。@首先，我用另一种方法更新了答案，该方法基于

df[“Ticket”]

中出现的字符串模式进行分类，希望能有所帮助

ptrn=r'(?P<CA>(CA[\d]+))|(?P<SA>(SA[\d]+))|(?P<DIGIT>[\d]{6})'
import pandas as pd
import numpy as np

ls={'tk':[ '254326' ,  'CA345',  'SA12'    ,  '267891'  ,        'CA356' ]}
df = pd.DataFrame(ls)
s=df['tk'].str.extract(ptrn,expand=False)
newDf={0:[x for x in s['CA'] if pd.isnull(x)==False],1:[x for x in s['SA'] if pd.isnull(x)==False],2:[x for x in s['DIGIT'] if pd.isnull(x)==False]}
print(newDf)

{0: ['CA345', 'CA356'], 1: ['SA12'], 2: ['254326', '267891']}

df['Label'] = df.apply(label_ticket, axis=1)
print(df)
     Ticket  Label
0    254326      2
1     CA345      0
2      SA12      1
3    267891      2
700   CA356      0