String 应用Lambda对数字重新编码（棘手的）字符串

我有一个NFL场景的大数据集，但为了说明，让我把它简化为两个观察结果的列表。像这样：

data = [[scenario1],[scenario2]]

以下是数据集的组成部分：

data[0][0]
>>"It is second down and 3. The ball is on your opponent's 5 yardline. There is 3 seconds left in the fourth quarter. You are down by 3 points."

data[1][0]
>>"It is first down and 10. The ball is on your 20 yardline. There is 7 minutes left in the third quarter. You are down by 10 points."

我不能用这样的字符串格式构建任何模型。因此，我想将这些场景重新编码为新的列（或功能，如果您愿意），作为定量值。我想我应该先把数据框平方：

down = 0
yards = 0
yardline = 0
seconds = 0
quarter = 0
points = 0

data = [[scenario1, down, yards, yardline, seconds, quarter, points], [scenario2, yards, yardline, seconds, quarter, points]]

现在是棘手的部分，我必须从scenario列中的信息填充新列。棘手，因为例如，在第二句中，如果“对手的”一词出现，这意味着我们必须将其计算为100——不管码线数是多少。在上述

场景1

变量中，它应该是100-5=95

起初我认为我应该把所有的数字分开，扔掉单词，但正如上面指出的，一些单词实际上是正确分配数量值所必需的。我从来没有做过这么精细的兰姆达。或者，也许，一辆lambda不是正确的选择？我愿意接受任何/所有的建议

以下是我希望看到的内容（从

scenario1

如果我输入：

data[0][1:]
>>2,3,95,3,4,-3

---

谢谢

lambda不是您想要的方式。Python的

re

模块是您的朋友：）

就个人而言，我发现像

[[scenario，]，…]

这样存储数据有点奇怪，但要将数据添加到每个场景中：

for s in data:
    s.extend(getScenarioData(s[0]))

我建议使用字典列表，因为使用像

data[0][3]

这样的索引可能会在一两个月后变得混乱：

def getScenarioData(scenario):
    # instead of data = []
    data = {'scenario':scenario}

    # instead of data.append(downs)
    data['downs'] = downs

    ...

scenarios = ['...', '...']
data = [getScenarioData(s) for s in scenarios]

编辑：当您想从DICT中获取值时，使用

get

方法防止引发

KeyError

，因为

get

默认为

None

如果找不到键：

for s in data:
    print(s.get('quarter'))

---

哇，那太有用了！！我将尝试不同的数据帧，看看哪一帧效果更好。我开始以你的方式看待DICT列表。很高兴我能帮上忙：）我确信它能工作，但我得到错误“NoneType”对象没有属性：group。查看数据后，我注意到一些场景非常简单，比如“你下降了3。你该怎么办？”我应该使用

试试
/
吗？或者是否有其他方法可以默认为0或na？我注意到你的一些代码有
如果
，也许我应该在所有的代码上加上标签？我不确定场景的语法有多严格，所以我让它很容易出错。我将编辑答案，以说明在每个
搜索中未找到匹配项。现在我看到了
搜索的威力。同样感谢
get
提示，它现在工作得非常好。你就是那个人！
for s in data:
    print(s.get('quarter'))