Python 高级字符串数据操作
我有一个Python 高级字符串数据操作,python,string,pandas,dataframe,pattern-matching,Python,String,Pandas,Dataframe,Pattern Matching,我有一个dataframe,感兴趣的列也非常凌乱。我尝试过执行一些匹配字符串,但不起作用 这些数据来自网站,因此该专栏非常具有信息性。我对数字的列表结构感兴趣。以下是框架的外观: 169508[3] 169509 [3, 4] 169510 [3] 169511
dataframe
,感兴趣的列也非常凌乱。我尝试过执行一些匹配字符串
,但不起作用
这些数据来自网站,因此该专栏非常具有信息性。我对数字的列表结构感兴趣。以下是框架的外观:
169508[3]
169509 [3, 4]
169510 [3]
169511 [3]
169512 [3]
169513 [6]
169514 [3, 4]
169515 [3, 4]
169516 [3, 4]
169517 [6]
169518[6]和ORD(MID)(选择IFNULL(强制转换)(计数(距离)。。。
169519[6]和ORD(MID)(选择IFNULL(强制转换)(计数(距离)。。。
169520[6]和ORD(MID)(选择IFNULL(强制转换)(计数(距离)。。。
169521[6]和ORD(MID)(选择IFNULL(强制转换)(计数(距离)。。。
169522[6]和2831=如果(ORD)(MID)(选择IFNULL(CAST)(C。。。
169523[6]和2831=如果(ORD)(MID)(选择IFNULL(CAST)(C。。。
169524[6]和2831=如果(ORD)(MID)(选择IFNULL(CAST)(C。。。
169525 [6]
169526[6]和2831=如果(ORD)(MID)(选择IFNULL(CAST)(C。。。
169527 [3]
169528 [2]
169529 [3, 4]
169530 [3]
169531 [6]
169532 [3, 4]
以下是我所期待的输出:
type_prod
0 ['3']
1 ['6']
2 ['3','4']
3 ['3','4','6']
4 ['3','4']
5 ['6']
6 ['6']
7 ['5']
8 ['5']
9 ['3', '4', '1']
10 ['6', '2', '5', '1']
11 ['3', '4']
12 ['3', '4']
13 ['6', '2', '5', '1']
14 ['3', '4']
15 ['3', '4']
16 ['3', '4']
17 ['3', '4']
18 ['3', '4']
19 ['3', '4']
20 ['3', '4']
21 ['3', '4']
22 ['3', '4']
23 ['3', '4']
24 ['6']
25 ['6']
26 ['6']
您可以使用regex和apply,但很难判断何时只需要在索引24到26中返回一个数字。我假设如果字符串包含“and”,则只返回第一个数字,根据示例,该数字是字符2
import re
messydf['type_prod'].apply(lambda x: list(re.sub("[^0-9]", "", x)) if 'AND' not in x else list(x[2]))
更新以使用列表而不是字符串
检查您的预期输出。我认为您犯了一个错误,可能是行未对齐。事实上,您有['6','2','5','1']在第10行10
中,没有明确的原因。谢谢,但我得到以下错误:TypeError:expected string或bytes like object
@A.JT在您的示例中,您指出每个单元格都是一个字符串:“['3']”
该错误表明您可能正在使用列表:['3']
请相应地更新您的示例数据框。我已对其进行了更新。对于此示例中的细微错误,我深表歉意string@A.JT查看更新。让我知道这是否接近您想要的/是您的预期输出。@A.JT很高兴我能提供帮助。编码愉快。
from io import StringIO
import pandas as pd
import ast
import re
# prepare sample data
s = """index;type_prod
169508;[3]
169509;[3, 4]
169510;[3]
169511;[3]
169512;[3]
169513;[6]
169514;[3, 4]
169515;[3, 4]
169516;[3, 4]
169517;[6]
169518;['6) AND ORD(MID((SELECT IFNULL(CAST(COUNT(DIST...']
169519;['6) AND ORD(MID((SELECT IFNULL(CAST(COUNT(DIST...']
169520;['6) AND ORD(MID((SELECT IFNULL(CAST(COUNT(DIST...']
169521;['6) AND ORD(MID((SELECT IFNULL(CAST(COUNT(DIST...']
169522;['6) AND 2831=IF((ORD(MID((SELECT IFNULL(CAST(C...']
169523;['6) AND 2831=IF((ORD(MID((SELECT IFNULL(CAST(C...']
169524;['6) AND 2831=IF((ORD(MID((SELECT IFNULL(CAST(C...']
169525;[6]
169526;['6) AND 2831=IF((ORD(MID((SELECT IFNULL(CAST(C...']
169527;[3]
169528;[2]
169529;[3, 4]
169530;[3]
169531;[6]
169532;[3, 4]"""
messydf = pd.read_csv(StringIO(s), sep=';')
messydf = messydf.set_index('index')
messydf['type_prod'] = messydf['type_prod'].apply(ast.literal_eval)
# lambda function with re
messydf['type_prod'] = messydf['type_prod'].apply(lambda x: list(re.sub("[^0-9]", "", str(x)))\
if 'AND' not in str(x) else list(str(x)[2]))
print(messydf)
type_prod
index
169508 [3]
169509 [3, 4]
169510 [3]
169511 [3]
169512 [3]
169513 [6]
169514 [3, 4]
169515 [3, 4]
169516 [3, 4]
169517 [6]
169518 [6]
169519 [6]
169520 [6]
169521 [6]
169522 [6]
169523 [6]
169524 [6]
169525 [6]
169526 [6]
169527 [3]
169528 [2]
169529 [3, 4]
169530 [3]
169531 [6]
169532 [3, 4]