Python 如何使用正则表达式匹配按列对数据帧进行分组

我有以下数据框：

import pandas as pd
df = pd.DataFrame({'id':['a','b','c','d','e'],
                   'XX_111_S5_R12_001_Mobile_05':[-14,-90,-90,-96,-91],
                   'YY_222_S00_R12_001_1-999_13':[-103,0,-110,-114,-114],
                   'ZZ_111_S00_R12_001_1-999_13':[1,2.3,3,5,6],
})

df.set_index('id',inplace=True)
df

看起来是这样的：

Out[6]:
    XX_111_S5_R12_001_Mobile_05  YY_222_S00_R12_001_1-999_13  ZZ_111_S00_R12_001_1-999_13
id
a                           -14                         -103                          1.0
b                           -90                            0                          2.3
c                           -90                         -110                          3.0
d                           -96                         -114                          5.0
e                           -91                         -114                          6.0

我要做的是根据以下正则表达式对列进行分组：

\w+_\w+_\w+_\d+_([\w\d-]+)_\d+

因此，最终它是按

Mobile

和

1-999

进行分组的

怎么做。我尝试了这一点，但未能将其分组：

import re
grouped = df.groupby(lambda x: re.search("\w+_\w+_\w+_\d+_([\w\d-]+)_\d+", x).group(), axis=1)
for name, group in grouped:
    print name
    print group

其中打印：

XX_111_S5_R12_001_Mobile_05
YY_222_S00_R12_001_1-999_13
ZZ_111_S00_R12_001_1-999_13

我们需要的是

name

打印到：

Mobile
1-999
1-999

---

和

group

打印相应的数据帧。

分组后，将新数据帧的索引设置为

[re.findall（r'\w+\uw+\uw+\w+\ud+\u（[\w\d-]+）\ud+'，col）[0]用于df.columns中的col

（即

['Mobile'，1-999'，1-999']

）。

您可以在列上使用

<

# Performing the groupby.
pat = '\w+_\w+_\w+_\d+_([\w\d-]+)_\d+'
grouped = df.groupby(df.columns.str.extract(pat, expand=False), axis=1)

# Showing group information.
for name, group in grouped:
    print name
    print group, '\n'

返回所需的组：

1-999
    YY_222_S00_R12_001_1-999_13  ZZ_111_S00_R12_001_1-999_13
id                                                          
a                          -103                          1.0
b                             0                          2.3
c                          -110                          3.0
d                          -114                          5.0
e                          -114                          6.0 

Mobile
    XX_111_S5_R12_001_Mobile_05
id                             
a                           -14
b                           -90
c                           -90
d                           -96
e                           -91 

您的正则表达式有一些问题，
\w
匹配包含下划线的单词字符，这似乎不是您想要的，如果您只想匹配字母和数字，使用
A-Za-z0-9-
会更好：

df.groupby(df.columns.str.extract("([A-Za-z0-9-]+)_\d+$"), axis=1).sum()

基于错误的描述，我似乎忽略了你的问题。您遇到的问题与分组无关。它与索引有关。你能提供一些关于你想要达到的目标的额外细节吗？看起来您正试图在groupby中输出3个组，而原始数据框中仍然只有3列。此外，根据groupby的定义，组名称/标签（您称之为
名称
）是唯一的，因此您描述的所需输出是不可能的；最接近的方法是创建一行标签（即Mobile和1-999），并在您的组中使用这些标签，但我不确定这是否与您的尝试相关。