在dataframe的一列上进行复杂的模式分离，同时在Python中保留原始列_Python_Pandas_Numpy

在dataframe的一列上进行复杂的模式分离，同时在Python中保留原始列

python pandas numpy

在dataframe的一列上进行复杂的模式分离，同时在Python中保留原始列,python,pandas,numpy,Python,Pandas,Numpy,我有一个数据框df，我希望在我的列中用特定的值分隔来显示第一个单词和数字以及它的'T'值。我想要第一个用“-”分隔的单词及其T值。这是棘手的，因为有些T值用“-”分隔，而其他值则用“#”分隔。例如，其中一个值中的-12T，以及另一个值中的\u 14T 数据： type free use total Hello-HEL-HE-A6123-123A-12T_TYPE-v.A

我有一个数据框df，我希望在我的列中用特定的值分隔来显示第一个单词和数字以及它的'T'值。我想要第一个用“-”分隔的单词及其T值。这是棘手的，因为有些T值用“-”分隔，而其他值则用“#”分隔。 例如，其中一个值中的-12T，以及另一个值中的\u 14T

数据：

type                                                 free      use    total

Hello-HEL-HE-A6123-123A-12T_TYPE-v.A                 10        10       20
Hello-HEL-HE-A6123-123A-12T_TYPE-v.E                 5         1        6
Hello-HEL-HE-A6123-123A-50T_TYPE-v.C                 1         4        5
Hello-HEL-HE-A6123-123A-50T_TYPE-v.A                 2         1        1
Happy-HAP-HA-R650-570A-90T_version-v.A               10        0        10
Kind-KIN-KI-T490-NET_14T-A.0                         7         4        3
Kind-KIN-KI-T490-NET_14T-A.0                         6         3        2
AY14.5-fyy-FY-R770-256G-6.4T-R1-v.A                  3         0        3
AY14.5-fyy-FY-R770-256G-6.4T-R1-v.A                  0         20       20

    type                free    use  total
            
    Hello   12T         10      10   20
    Hello   12T         5       1    6
    Hello   50T         1       4    5
    Hello   50T         2       1    1
    Happy   90T         10      0    10
    Kind    14T         7       4    3
    Kind    14T         6       3    2
    AY14.5  6.4T        3       0    3
    AY14.5  6.4T        0       20   20

df['type']=df['type'].str.extract('(\w+(?=[-AYY]))')+ " "+ df['type'].str.extract('(?<=0G-)(.*?)(?=\-|_)')

所需：

type                                                 free      use    total

Hello-HEL-HE-A6123-123A-12T_TYPE-v.A                 10        10       20
Hello-HEL-HE-A6123-123A-12T_TYPE-v.E                 5         1        6
Hello-HEL-HE-A6123-123A-50T_TYPE-v.C                 1         4        5
Hello-HEL-HE-A6123-123A-50T_TYPE-v.A                 2         1        1
Happy-HAP-HA-R650-570A-90T_version-v.A               10        0        10
Kind-KIN-KI-T490-NET_14T-A.0                         7         4        3
Kind-KIN-KI-T490-NET_14T-A.0                         6         3        2
AY14.5-fyy-FY-R770-256G-6.4T-R1-v.A                  3         0        3
AY14.5-fyy-FY-R770-256G-6.4T-R1-v.A                  0         20       20

    type                free    use  total
            
    Hello   12T         10      10   20
    Hello   12T         5       1    6
    Hello   50T         1       4    5
    Hello   50T         2       1    1
    Happy   90T         10      0    10
    Kind    14T         7       4    3
    Kind    14T         6       3    2
    AY14.5  6.4T        3       0    3
    AY14.5  6.4T        0       20   20

df['type']=df['type'].str.extract('(\w+(?=[-AYY]))')+ " "+ df['type'].str.extract('(?<=0G-)(.*?)(?=\-|_)')

正在做：

type                                                 free      use    total

Hello-HEL-HE-A6123-123A-12T_TYPE-v.A                 10        10       20
Hello-HEL-HE-A6123-123A-12T_TYPE-v.E                 5         1        6
Hello-HEL-HE-A6123-123A-50T_TYPE-v.C                 1         4        5
Hello-HEL-HE-A6123-123A-50T_TYPE-v.A                 2         1        1
Happy-HAP-HA-R650-570A-90T_version-v.A               10        0        10
Kind-KIN-KI-T490-NET_14T-A.0                         7         4        3
Kind-KIN-KI-T490-NET_14T-A.0                         6         3        2
AY14.5-fyy-FY-R770-256G-6.4T-R1-v.A                  3         0        3
AY14.5-fyy-FY-R770-256G-6.4T-R1-v.A                  0         20       20

    type                free    use  total
            
    Hello   12T         10      10   20
    Hello   12T         5       1    6
    Hello   50T         1       4    5
    Hello   50T         2       1    1
    Happy   90T         10      0    10
    Kind    14T         7       4    3
    Kind    14T         6       3    2
    AY14.5  6.4T        3       0    3
    AY14.5  6.4T        0       20   20

df['type']=df['type'].str.extract('(\w+(?=[-AYY]))')+ " "+ df['type'].str.extract('(?<=0G-)(.*?)(?=\-|_)')

但是，这仅提取具有特定模式的值。我如何将此应用于完整的样本集

感谢您的建议，我仍在排除故障。

当然！可以使用此正则表达式一次性捕获所需的所有内容。我在正则表达式中包含了注释。为了通知

re

，我传递了标志

re.X

，这意味着该模式是一个“详细”模式，并且在执行实际匹配时应该忽略其中的注释

import re

pattern = """
^([^-]+)-    # From the beginning of the string, capture all non-hyphen characters and stop at the first actual hyphen.
.+?          # Consume all characters up to the next capture group in this pattern
([\d.]+T)    # Capture all digits (including a literal period) that end with a "T".
""".strip()

extracted_df = df["type"].str.extract(pattern, flags=re.X)

print(extracted_df)
        0     1
0   Hello   12T
1   Hello   12T
2   Hello   50T
3   Hello   50T
4   Happy   90T
5    Kind   14T
6    Kind   14T
7  AY14.5  6.4T
8  AY14.5  6.4T

现在我们已经提取了相关的信息位，我们可以继续并将它们粘在一起覆盖旧的

“type”

列：

df["type"] = extracted_df[0] + " " + extracted_df[1]

print(df)
          type  free  use  total
0    Hello 12T    10   10     20
1    Hello 12T     5    1      6
2    Hello 50T     1    4      5
3    Hello 50T     2    1      1
4    Happy 90T    10    0     10
5     Kind 14T     7    4      3
6     Kind 14T     6    3      2
7  AY14.5 6.4T     3    0      3
8  AY14.5 6.4T     0   20     20

与常规正则表达式一样，这可能无法捕获所有角落的情况，但我希望它阐明了如何使用正则表达式和捕获组从列中收集相关信息的方法。

当然！可以使用此正则表达式一次性捕获所需的所有内容。我在正则表达式中包含了注释。为了通知

re

，我传递了标志

re.X

，这意味着该模式是一个“详细”模式，并且在执行实际匹配时应该忽略其中的注释

import re

pattern = """
^([^-]+)-    # From the beginning of the string, capture all non-hyphen characters and stop at the first actual hyphen.
.+?          # Consume all characters up to the next capture group in this pattern
([\d.]+T)    # Capture all digits (including a literal period) that end with a "T".
""".strip()

extracted_df = df["type"].str.extract(pattern, flags=re.X)

print(extracted_df)
        0     1
0   Hello   12T
1   Hello   12T
2   Hello   50T
3   Hello   50T
4   Happy   90T
5    Kind   14T
6    Kind   14T
7  AY14.5  6.4T
8  AY14.5  6.4T

df['type'].str.extract(r'(^\w+.\d|^\w+)')+' '+df['type'].str.extract(r'(\d.\d+T|\d+T)')



     type      free  use  total
0    Hello 12T    10   10     20
1    Hello 12T     5    1      6
2    Hello 50T     1    4      5
3    Hello 50T     2    1      1
4    Happy 90T    10    0     10
5     Kind 14T     7    4      3
6     Kind 14T     6    3      2
7  AY14.5 6.4T     3    0      3
8  AY14.5 6.4T     0   20     20

现在我们已经提取了相关的信息位，我们可以继续并将它们粘在一起覆盖旧的

“type”

列：

df["type"] = extracted_df[0] + " " + extracted_df[1]

print(df)
          type  free  use  total
0    Hello 12T    10   10     20
1    Hello 12T     5    1      6
2    Hello 50T     1    4      5
3    Hello 50T     2    1      1
4    Happy 90T    10    0     10
5     Kind 14T     7    4      3
6     Kind 14T     6    3      2
7  AY14.5 6.4T     3    0      3
8  AY14.5 6.4T     0   20     20

与常规正则表达式一样，这可能无法捕获所有角落的情况，但我希望它阐明了如何使用正则表达式和捕获组从列中收集相关信息的方法。

仅显示第一列，不确定原因。谢谢你

df['type']=df['type'].str.extract（r'（^\w+。\d^\w+）++'+df['type']）.str.extract（r'（\d.\d+T | \d+T）

等同于

df['type']

并打印出关于新年的数据，微笑吧！仅显示第一列，不确定原因。谢谢你

df['type']=df['type'].str.extract（r'（^\w+。\d^\w+）++'+df['type']）.str.extract（r'（\d.\d+T | \d+T）

等同于

df['type']

并打印出关于新年的数据，微笑吧！

df['type'].str.extract(r'(^\w+.\d|^\w+)')+' '+df['type'].str.extract(r'(\d.\d+T|\d+T)')



     type      free  use  total
0    Hello 12T    10   10     20
1    Hello 12T     5    1      6
2    Hello 50T     1    4      5
3    Hello 50T     2    1      1
4    Happy 90T    10    0     10
5     Kind 14T     7    4      3
6     Kind 14T     6    3      2
7  AY14.5 6.4T     3    0      3
8  AY14.5 6.4T     0   20     20