Python 如何计算数据帧上的大小写
这是我的数据Python 如何计算数据帧上的大小写,python,string,pandas,text,feature-extraction,Python,String,Pandas,Text,Feature Extraction,这是我的数据 No Body 1 DaTa Analytics 2 2 StackOver 67 No Body Uppercase Lowercase 1 DaTa Analytics 2 3 10 2 StackOver 67 2 7 这是我的预期输出 No Body Uppercase Lower
No Body
1 DaTa Analytics 2
2 StackOver 67
No Body Uppercase Lowercase
1 DaTa Analytics 2 3 10
2 StackOver 67 2 7
这是我的预期输出
No Body Uppercase Lowercase
1 DaTa Analytics 2 3 10
2 StackOver 67 2 7
用于提取大写和小写字母以及长度:
No Body Uppercase Lowercase
1 DaTa Analytics 2 3 10
2 StackOver 67 2 7
df['Uppercase'] = df['Body'].str.findall(r'[A-Z]').str.len()
df['Lowercase'] = df['Body'].str.findall(r'[a-z]').str.len()
另一个解决方案:
No Body Uppercase Lowercase
1 DaTa Analytics 2 3 10
2 StackOver 67 2 7
df['Uppercase'] = df['Body'].str.count(r'[A-Z]')
df['Lowercase'] = df['Body'].str.count(r'[a-z]')
print (df)
No Body Uppercase Lowercase
0 1 DaTa Analytics 3 10
1 2 StackOver 2 7
下面是一个处理ASCII代码的性能极高的解决方案:
No Body Uppercase Lowercase
1 DaTa Analytics 2 3 10
2 StackOver 67 2 7
v = df.Body.values.astype(str)
v = v.view(np.uint8).reshape(len(df), -1)
df['Uppercase'] = ((v >= 65) & (v <= 90)).sum(1)
df['Lowercase'] = ((v >= 97) & (v <= 122)).sum(1)
计时
No Body Uppercase Lowercase
1 DaTa Analytics 2 3 10
2 StackOver 67 2 7
df = pd.concat([df] * 100000, ignore_index=True)
No Body Uppercase Lowercase
1 DaTa Analytics 2 3 10
2 StackOver 67 2 7
No Body Uppercase Lowercase
1 DaTa Analytics 2 3 10
2 StackOver 67 2 7
No Body Uppercase Lowercase
1 DaTa Analytics 2 3 10
2 StackOver 67 2 7
#在本文中
%%时间
v=df.Body.values.astype(str)
v=v.view(np.uint8)。重塑(透镜(df),-1)
df['Uppercase']=((v>=65)和(v=97)和(v给我一些时间,我正在寻找一个更快的非正则表达式解决方案。我仍然没有选择最好的答案。谢谢你的耐心。有些用户不想等到滴答声响起。@NabihBawazir-我添加了带有计数的新解决方案,你能检查一下吗?这种解决方案也可以用于表情符号吗,我有性能发生在emoticon@NabihBawazir没问题,改用v.view(np.uint16)
。@cᴏʟᴅsᴘᴇᴇᴅ - 我添加了另一个解决方案,你能添加时间吗?谢谢。@jezrael不用担心,added@NabihBawazir如果仍然不起作用,请尝试np.uint32
,它应该处理书中的任何unicode字符。