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

Решение

Вы можете удалить все не-цифры, используя re.sub():

value = re.sub(r"[^0-9]+", "", value)

regex101 demo

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.replaceбыло бы:

      df = df.apply(lambda col: col.str.replace(r'\D+', '', regex=True))
Другие вопросы по тегам