从某一列中截取字符信息——extract（）的使用

Posted 2020-12-25 dearl

爬虫获取某网站杭州到丽江的旅游信息，进行分析

（1）导入数据

　　df = pd.read_csv("travel.csv")

（2）从路线信息中提取旅游天数、酒店等级、酒店评分、旅游价格等信息

　　df["天数"]=df.路线信息.str.extract(‘(d+)天d+晚‘).apply(lambda x: int(x))
　　df["酒店评分"]=df.酒店信息.str.extract(‘(d.d)分‘).apply(lambda x: float(x))
　　df["酒店等级"]=df.酒店信息.str.extract(‘ (.*)‘)
　　df["价格"]=df.路线信息.str.extract(‘(d+)起/人‘).apply(lambda x: int(x))

（3）将酒店等级（定类数据）修改为数值型数据，方便在此基础上建模

　　class_map = {"其他":0,"经济型":1,"舒适型":2,"高档型":3,"豪华型":4}
　　df["酒店等级"]=df["酒店等级"].map(class_map)

（4）在此基础上可以使用线性回归等建模

重点知识（以前自己不知道的小知识点）：

　　从字符串中提取数据，只知道find()....今天终于学会了新的依照，extract()，新知识总是让人开心哈！！！！！

　　使用extract方法提取数字：它的第一个参数是正则表达式，括号表示要提取的部分