Python 熊猫可选提取物

我在数据集中有一列，其格式如下：

'XX4H30M'

我需要将这些序列中的数字提取到两列（“H”和“M”）

如果格式与所述完全相同，则以下内容满足我的需要：

d3 = df.colname.str.extract('([0-9])([0-9])', expand=True)
d3.columns = ['H', 'M']
df = pd.concat([df, d3])

然而，在这个系列中，很多单元格只包含

'XX45M'

或

XX3H

是否有一种方法可以选择性地提取这些模式以将其插入全局df

对于一组具体的示例：

df = pd.DataFrame({'A': ['XX1H30M', 'XX45M', 'XX2H'])

最终将成为

Out: 
A  H  M
0  XX1H30M  1  30
1  XX45M  0  45
2  XX2H  2  0

---

您可以尝试以下方法：

df.assign(H=df.A.str.extract('([\d]+)H', expand=False),
          M=df.A.str.extract('([\d]+)M', expand=False)).fillna(0)

输出：

         A  H   M
0  XX1H30M  1  30
1    XX45M  0  45
2     XX2H  2   0

---

您可以尝试以下方法：

df.assign(H=df.A.str.extract('([\d]+)H', expand=False),
          M=df.A.str.extract('([\d]+)M', expand=False)).fillna(0)

输出：

         A  H   M
0  XX1H30M  1  30
1    XX45M  0  45
2     XX2H  2   0

---

在一个步骤中提取

H

和

M

的另一个选项，这里使用

（？：（？p\d+H）？（？：（？p\d+M）？

捕获

H

和

M

作为命名组；为了避免由于两个组都是可选的而匹配空字符串，请在模式开头添加一个先行断言

（？=\d+H |\d+M）

：

df = pd.DataFrame({'A': ['XXX1H30M', 'XXX45M', 'XXX2H', 'XXX']}) 

df.A.str.extract(r'(?=\d+H|\d+M)(?:(?P<H>\d+)H)?(?:(?P<M>\d+)M)?', expand=True).fillna(0)

#   H    M
#0  1   30
#1  0   45
#2  2    0
#3  0    0

df=pd.DataFrame（{'A'：['XXX1H30M'，'XXX45M'，'XXX2H'，'XXX']}）
df.A.str.extract（r'（？=\d+H |\d+M）（？：（？P\d+H）？（？：（？P\d+M）？），expand=True）。fillna（0）
#嗯
#0  1   30
#1  0   45
#2  2    0
#3  0    0

这比单独提取快一点：

df = pd.concat([df] * 10000)

%timeit pd.concat([df, df.A.str.extract(r'(?=\d+H|\d+M)(?:(?P<H>\d+)H)?(?:(?P<M>\d+)M)?', expand=False).fillna(0)], axis=1)
#10 loops, best of 3: 83.9 ms per loop    

%timeit df.assign(H=df.A.str.extract('([\d]+)H', expand=False), M=df.A.str.extract('([\d]+)M', expand=False)).fillna(0)
#10 loops, best of 3: 130 ms per loop

df=pd.concat（[df]*10000）
%timeit pd.concat（[df，df.A.str.extract（r'（？=\d+H |\d+M）（？：（？P\d+H）？（？：（？P\d+M）？，expand=False）。fillna（0）]，轴=1）
#10个回路，最佳3个：每个回路83.9毫秒
%timeit df.assign（H=df.A.str.extract（'（[\d]+）H'，expand=False），M=df.A.str.extract（'（[\d]+）M'，expand=False））.fillna（0）
#10个回路，最好为3:130 ms/回路

在一个步骤中提取

H

和

M

的另一个选项，这里使用

（？：（？p\d+）H）？（？：（？p\d+）M）？

捕获

H

和

M

作为命名组；为了避免由于两个组都是可选的而匹配空字符串，请在模式开头添加一个先行断言

（？=\d+H |\d+M）

：

df = pd.DataFrame({'A': ['XXX1H30M', 'XXX45M', 'XXX2H', 'XXX']}) 

df.A.str.extract(r'(?=\d+H|\d+M)(?:(?P<H>\d+)H)?(?:(?P<M>\d+)M)?', expand=True).fillna(0)

#   H    M
#0  1   30
#1  0   45
#2  2    0
#3  0    0

df=pd.DataFrame（{'A'：['XXX1H30M'，'XXX45M'，'XXX2H'，'XXX']}）
df.A.str.extract（r'（？=\d+H |\d+M）（？：（？P\d+H）？（？：（？P\d+M）？），expand=True）。fillna（0）
#嗯
#0  1   30
#1  0   45
#2  2    0
#3  0    0

这比单独提取快一点：

df = pd.concat([df] * 10000)

%timeit pd.concat([df, df.A.str.extract(r'(?=\d+H|\d+M)(?:(?P<H>\d+)H)?(?:(?P<M>\d+)M)?', expand=False).fillna(0)], axis=1)
#10 loops, best of 3: 83.9 ms per loop    

%timeit df.assign(H=df.A.str.extract('([\d]+)H', expand=False), M=df.A.str.extract('([\d]+)M', expand=False)).fillna(0)
#10 loops, best of 3: 130 ms per loop

df=pd.concat（[df]*10000）
%timeit pd.concat（[df，df.A.str.extract（r'（？=\d+H |\d+M）（？：（？P\d+H）？（？：（？P\d+M）？，expand=False）。fillna（0）]，轴=1）
#10个回路，最佳3个：每个回路83.9毫秒
%timeit df.assign（H=df.A.str.extract（'（[\d]+）H'，expand=False），M=df.A.str.extract（'（[\d]+）M'，expand=False））.fillna（0）
#10个回路，最好为3:130 ms/回路