闽ICP备2020022160号-5
技术标签:
【中文标题】通过正则表达式操作 Pandas 中的值【英文标题】：Manipulation of values in Pandas via Regex 【发布时间】：2017-01-11 21:46:18 【问题描述】：这其实是here的后续问题。我之前的问题并不清楚，既然已经回答了，我觉得最好发布一个新问题。
我有一个如下的数据框：
Column1 Column2 Column3 Column4 Column55FQ 1.047 S$55.3 UG44.2 as of 02/Jun/2016 S$8.2 mm600 (1.047) S$23.3 AG5.6 as of 02/Jun/2016 S$58 mmKI2 1.695 S$5.35 RR59.5 as of 02/Jun/2016 S$705 mm88G 0.0025 S$(5.3) NW44.2 as of 02/Jun/2016 S$112 mm60G 5.63 S$78.4 UG21.2 as of 02/Jun/2016 S$6.21 mm90F (5.562) S$(88.3) IG46.2 as of 02/Jun/2016 S$8 mm我正在尝试使用regex 删除所有单词和字母，只保留数字。但是，如果数字包含在 () 中，我想将其设为负数。
期望的输出
Column1 Column2 Column3 Column4 Column55 1.047 55.3 44.2 8.2600 -1.047 23.3 5.6 582 1.695 5.35 59.5 70588 0.0025 -5.3 44.2 11260 5.63 78.4 21.2 6.2190 -5.562 -88.3 46.2 8这可能吗？我已经尝试过使用此代码，但不确定合适的 regex 组合应该是什么。
df.apply(lambda x: x.astype(str).str.extract(r"(\d+\.?\d*)", expand=True).astype(np.float))【问题讨论】：
当我的描述性答案被否决时，我会写一条评论： (\d+.?\d*) 匹配所有具有任意小数位数的数字，包括日期的 02 和 2016。此外，您缺少标志。我首先将所有 "(" (反斜杠) 替换为 "-" 然后删除具有日期格式的所有内容然后删除 (替换为零字符串) 任何不是空格、数字或点的内容。类似 [^0-9 .]* （您需要查找它，因为正则表达式语法因环境而异。之后，您的结果由空格分隔，只需匹配 ((\d+.?\d*) ），结果在组间 【参考方案1】：r1 = r"\((\d+\.?\d*)\)"r2 = r"(-?\d+\.?\d*)"df.stack().str.replace(r1, r"-\1", 1) \ .str.extract(r2, expand=False).unstack()【讨论】：
非常感谢！只是想知道，我注意到如果值之间有逗号，例如$1,005A。它会丢弃除1 之外的所有内容。有没有办法让它保持1005？【参考方案2】： 更新： $1,005A --> 1005（例如第一行，列Column3）
In [131]: dfOut[131]: Column1 Column2 Column3 Column4 Column50 5FQ 1.047 $1,005A UG44.2 as of 02/Jun/2016 S$8.2 mm1 600 (1.047) S$23.3 AG5.6 as of 02/Jun/2016 S$58 mm2 KI2 1.695 S$5.35 RR59.5 as of 02/Jun/2016 S$705 mm3 88G 0.0025 S$(5.3) NW44.2 as of 02/Jun/2016 S$112 mm4 60G 5.63 S$78.4 UG21.2 as of 02/Jun/2016 S$6.21 mm5 90F (5.562) S$(88.3) IG46.2 as of 02/Jun/2016 S$8 mmIn [132]: to_replace = [r"\(([\d\.]+)\)", r".*?([\d\.\,\-]+).*", ","]In [133]: vals = [r"-\1", r"\1", ""]In [134]: df.replace(to_replace=to_replace, value=vals, regex=True)Out[134]: Column1 Column2 Column3 Column4 Column50 5 1.047 1005 44.2 8.21 600 -1.047 23.3 5.6 582 2 1.695 5.35 59.5 7053 88 0.0025 -5.3 44.2 1124 60 5.63 78.4 21.2 6.215 90 -5.562 -88.3 46.2 8旧答案：
另一个解决方案，它只使用DataFrame.replace() 方法：
In [28]: to_replace = [r"\(([\d\.]+)\)", r".*?([\d\.-]+).*"]In [29]: vals = [r"-\1", r"\1"]In [30]: df.replace(to_replace=to_replace, value=vals, regex=True)Out[30]: Column1 Column2 Column3 Column4 Column50 5 1.047 55.3 44.2 8.21 600 -1.047 23.3 5.6 582 2 1.695 5.35 59.5 7053 88 0.0025 -5.3 44.2 1124 60 5.63 78.4 21.2 6.215 90 -5.562 -88.3 46.2 8【讨论】：
感谢 MaxU。也在纳闷。如果columns 在值中有逗号，例如：$1,005A，则此代码将删除所有内容并保留值1。有没有办法修改代码使其只显示1005？【参考方案3】： 你可以想出：
import redef onlynumbers(value): if value.startswith("("): return "-" + value rx = re.compile(r"\d+[\d.]*") try: return rx.search(value).group(0) except: return valuedf.applymap(onlynumbers)这会返回：
【讨论】：
你到底是怎么去掉日期的？您应该先消除那个，如下面我的回答所述。 @chrisvp：不，我不应该 -rx.search() 只返回第一个匹配不是日期的匹配项。 好的，但是第 5 列是 02，第 6 列是 2016，只有第 7 列是 8.2。因此，您需要跳过 5 和 6，归结为消除日期。 r"\d+[\d.]* " 可以短写为 r"[\d.]+" 不一定：让自己清楚[.\d]+（你的）、\d[.\d]*（我的）和更安全的\d[.\d]*\d之间的区别。有时缩短是为了不准确。以上是关于通过正则表达式操作 Pandas 中的值的主要内容，如果未能解决你的问题，请参考以下文章
闽ICP备2020022160号-5