Панды применяют регулярные выражения для замены значений
Я прочитал некоторые данные о ценах в кадре данных панды, значения выглядят как:
$40,000*
$40000 conditions attached
Я хочу сократить это до только числовых значений. Я знаю, что могу перебрать и применить регулярное выражение
[0-9]+
к каждому полю затем присоедините полученный список обратно вместе, но есть ли не зацикленный путь?
Спасибо
6 ответов
Вы можете удалить все не-цифры, используя re.sub()
:
value = re.sub(r"[^0-9]+", "", value)
Вы могли бы использовать Series.str.replace
:
import pandas as pd
df = pd.DataFrame(['$40,000*','$40000 conditions attached'], columns=['P'])
print(df)
# P
# 0 $40,000*
# 1 $40000 conditions attached
df['P'] = df['P'].str.replace(r'\D+', '').astype('int')
print(df)
доходность
P
0 40000
1 40000
поскольку \D
соответствует любой не десятичной цифре.
Вы можете использовать метод замены панд; также вы можете захотеть сохранить разделитель тысяч ',' и разделитель десятичных знаков '.'
import pandas as pd
df = pd.DataFrame(['$40,000.32*','$40000 conditions attached'], columns=['pricing'])
df['pricing'].replace(to_replace="\$([0-9,\.]+).*", value=r"\1", regex=True, inplace=True)
print(df)
pricing
0 40,000.32
1 40000
Вам не нужно регулярное выражение для этого. Это должно работать:
df['col'] = df['col'].astype(str).convert_objects(convert_numeric=True)
На случай, если кто-то все еще читает это. Я работаю над аналогичной проблемой, и мне нужно заменить весь столбец данных pandas, используя уравнение регулярного выражения, которое я выяснил с помощью re.sub
Чтобы применить это ко всей моей колонке, вот код.
#add_map is rules of replacement for the strings in pd df.
add_map = dict([
("AV", "Avenue"),
("BV", "Boulevard"),
("BP", "Bypass"),
("BY", "Bypass"),
("CL", "Circle"),
("DR", "Drive"),
("LA", "Lane"),
("PY", "Parkway"),
("RD", "Road"),
("ST", "Street"),
("WY", "Way"),
("TR", "Trail"),
])
obj = data_909['Address'].copy() #data_909['Address'] contains the original address'
for k,v in add_map.items(): #based on the rules in the dict
rule1 = (r"(\b)(%s)(\b)" % k) #replace the k only if they're alone (lookup \
b)
rule2 = (lambda m: add_map.get(m.group(), m.group())) #found this online, no idea wtf this does but it works
obj = obj.str.replace(rule1, rule2, regex=True, flags=re.IGNORECASE) #use flags here to avoid the dictionary iteration problem
data_909['Address_n'] = obj #store it!
Надеюсь, это поможет любому, кто ищет проблему, с которой я столкнулся. Ваше здоровье
Вы также можете использовать.replace()
напрямую, передав шаблон в качествеregex=
аргумент и значение замены какvalue=
аргумент.
df = pd.DataFrame({'col': ["$40,000*", "$40000 conditions attached"]})
df['col'] = df['col'].replace(regex=r'\D+', value='')
Метод It работает так же быстро, как и метод (поскольку оба являются синтаксическим сахаром для цикла Python). Однако преимущество этого метода заключается в том, что он может заменять значения в нескольких столбцах за один вызов. Для кадра данных строковых значений можно использовать:
df = df.replace(regex=r'\D+', value='')
эквивалентный синтаксис, используяstr.replace
было бы:
df = df.apply(lambda col: col.str.replace(r'\D+', '', regex=True))