pandas的分列之不规则字符串及str.extract()

Posted 2020-11-28 ceeyo

在上一篇文章中，我们总结了分列的一种方式：当所有行在需要的分列的地方都是相同的字母、符号、空格等等的时候，我们可以使用str.split()直接将所有行分成两列。

然而在实际工作中，有可能有并不是所有的行都有用于分列的键。今天再总结两种：

 

数据源

上面这组数据中的Latitude是我们需要分列的列。每个数据中都有前缀ab，这是我们不需要的。我们要做的是从第三位开始将订单号切下来，就像对字符串进行的切片操作一样。

 

用str函数进行切片

很简单吧，先使用.str将‘Latitude‘这一列转换为类似字符串数据类型，然后再用[ ]切片器就行了。跟字符串一样，切片器可以切前面、后面、中间任一位置。

 

切片1

 

切片2

切好的数据可以通过简单赋值放到原数据里面：

 

切片后的数据加入源数据里

这样的方法只能对整齐的数值进行切片，图中的Latitude里的数字与字母的数量不一样，这样进行切片的话就会出错。

像这种数字和字母混合的字符串在处理的时候会比较麻烦，加入我们只需要数字或者字母要怎么处理呢？

这时候就要用到str.extract()函数和正则表达式了。

提取数据：

 

只匹配数字

提取字母：

 

只匹配字母

由于提取的字母占用了两行，因此要进行拼接：

 

只提取字母并进行拼接

注意书写格式：要提取的部分正则表达式要用引号引起来。抽取多个数字或者字母的话要在后面加上‘+‘。

 

将提取的数据加入到数据源

加入之后的数据并不是数值格式的（属于字符串格式的），因此不能跟正常的数值一样进行运算，需要计算的时候要进行格式的转换。

 

提取的数据不是数值类型

 

转换为浮点型

 

使用map和lambda匿名函数转换格式

作者：探索数据之美
链接：https://www.jianshu.com/p/2e9b0a56405a
来源：简书
著作权归作者所有。