python中的字符串循环和数组

我有以下数据集：

column1

HL111
PG3939HL11
HL339PG
RC--HL--PG

我正在尝试编写一个函数，该函数执行以下操作：

循环遍历列1的每一行 只拉字母表并放入数组 如果数组中有HL，请将其从数组中删除，除非HL是数组中唯一的字。 获取数组中的第一个字并输出结果。 因此，对于上面的示例，我的数组步骤2如下所示：

[HL]
[PG,HL]
[HL,PG]
[RC,HL,PG]

desired_column

HL
PG
PG
RC

我期望的最终输出步骤4如下所示：

[HL]
[PG,HL]
[HL,PG]
[RC,HL,PG]

desired_column

HL
PG
PG
RC

我有步骤2的代码，它似乎工作得很好

df['array_column'] = (df.column1.str.extractall('([A-Z]+)')
                    .unstack()
                    .values.tolist())

---

但是我不知道如何从这里开始到最后的输出步骤4。

这是使用apply的一种方法

演示：

输出：

level_0
0    HL
1    PG
2    PG
3    RC
dtype: object

---

您可以通过先替换所有非字母，然后提取字母对，然后应用一些自定义逻辑从数组中提取必要的值来实现所需的功能：

>>> df['array_column'].str.replace('[^A-Z]+', '').str.findall('([A-Z]{2})').apply(lambda d: [''] if len(d) == 0 else d).apply(lambda x: 'HL' if len(x) == 1 and x[0] == 'HL' else [m for m in x if m != 'HL'][0])
0    HL
1    PG
2    PG
3    RC
Name: array_column, dtype: object
>>> 

细节

。替换“[^A-Z]+”，删除除大写字母以外的所有字符 .str.findall'[A-Z]{2}'-提取字母对 .applylambda d:[]如果lend==0，则如果上一步中没有正则表达式匹配项，则d将添加一个空项 .applylambda x:'HL'if lenx==1和x[0]='HL'else[m for m in x if m！='HL'][0]-自定义逻辑：如果列表长度为1且等于HL，则保留它，否则删除所有HL并获取第一个元素

---

您可以做类似的事情，或者可能做一些更优雅的事情，您已经得到了一个相当好的结构，您可以使用groupby来完成您的解决方案

def extract_relevant_str(grp):
    ret_val = None
    if "HL" in grp[0].tolist() and len(grp) == 1:
        ret_val = "HL"
    elif len(grp) >= 1:
        ret_val = grp.loc[grp[0] != "HL", 0].iloc[0]
    return ret_val

items = df.column1.str.extractall('([A-Z]+)')
items.reset_index().groupby("level_0").apply(extract_relevant_str)

输出：

level_0
0    HL
1    PG
2    PG
3    RC
dtype: object

---

如果手机上没有字母，你会怎么想！！！！！或11111？如果单元格没有字母，则结果可以为空或添加null，以处理没有字母的单元格并遵循初始逻辑。