pandas的分列之不规则字符串及str.extract()

Posted ceeyo

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了pandas的分列之不规则字符串及str.extract()相关的知识,希望对你有一定的参考价值。

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:

 
技术图片
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。

 
技术图片
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。

 
技术图片
切片1
 
技术图片
切片2

切好的数据可以通过简单赋值放到原数据里面:

 
技术图片
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:

 
技术图片
只匹配数字

提取字母:

 
技术图片
只匹配字母

由于提取的字母占用了两行,因此要进行拼接:

 
技术图片
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‘+‘。

 
技术图片
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。

 
技术图片
提取的数据不是数值类型
 
技术图片
转换为浮点型
 
技术图片
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。

以上是关于pandas的分列之不规则字符串及str.extract()的主要内容,如果未能解决你的问题,请参考以下文章

python之pandas简单介绍及使用

Python 快速实现分列转到行!

python之pandas简单介绍及使用

pandas 将excel中的一列文本数据拆分成多列 如何操作

数据可视化之PowerQuery篇利用PowerQuery,进行更加灵活的数据分列

数据可视化之PowerQuery篇利用PowerQuery,进行更加灵活的数据分列