如何计算熊猫数据框中的元音和辅音（大写和小写）？

Posted 2023-03-12

【中文标题】如何计算熊猫数据框中的元音和辅音（大写和小写）？

【英文标题】：How to count vowels and consonants in pandas dataframe (both uppercase and lowercase)?

【发布时间】：2018-08-20 10:08:35

【问题描述】：

这是我的数据

No  Body
1   DaTa, Analytics
2   StackOver.

这是我的预期输出

No  Body                 Vowels   Consonant  
1   DaTa, Analytics.     5        8        
2   StackOver.           3        6 

【参考方案1】：

您可以使用非常简单的正则表达式来计算元音的数量，而辅音的数量是所有字母的数量减去元音的数量：

In [121]: df['Vowels'] = df.Body.str.lower().str.count(r'[aeiou]')

In [122]: df['Consonant'] = df.Body.str.lower().str.count(r'[a-z]') - df['Vowels']

In [123]: df
Out[123]:
   No             Body  Vowels  Consonant
0   1  DaTa, Analytics       5          8
1   2       StackOver.       3          6

PSy may be either a vowel or a consonant ...

【讨论】：

你忘了y ;)

@jezrael, IMO there is no clear rule, whether y is a vowel or a consonant

斯洛伐克语中的y 是Vowel ;)

好的，很高兴知道

【参考方案2】：

使用str.count 和参数re.I 忽略大小写：

import re
df['Vowels'] = df['Body'].str.count(r'[aeiou]', flags=re.I)
df['Consonant'] = df['Body'].str.count(r'[bcdfghjklmnpqrstvwxzy]', flags=re.I)
print (df)
   No             Body  Vowels  Consonant
0   1  DaTa, Analytics       5          8
1   2       StackOver.       3          6

【参考方案3】：

试试这个：

vowels = set("AEIOUaeiou")
cons = set("bcdfghjklmnpqrstvwxyzBCDFGHJKLMNPQRSTVWXYZ")

df['Vowels'] = [sum(1 for c in x if c in vowels) for x in df['Body']]
df['Consonents'] = [sum(1 for c in x if c in cons) for x in df['Body']]

print (df)

【讨论】：

我如何获得 sample.csv ？

我刚刚创建了它来测试我的代码。忽略那个。我已经编辑了我的答案

这太棒了，它对其他部分的工作很有帮助，谢谢

【参考方案4】：

另一种选择是将str.extractall 与 or'd 条件一起应用以有效地将事物分成两列，然后按索引分组并计算列数，例如：

counts = (
    df.Body.str.extractall('(?i)(?P<vowels>[aeiou])|(?P<consonants>[a-z])')
    .groupby(level=0).count()
)

这是因为正则表达式的(?i) 指定表达式不区分大小写，[aeiou] 将所有元音捕获到第一个匹配组（或列）中，然后[a-z] 将捕获第一个匹配的所有其他字母组没有捕获（除了元音之外的所有内容）。

给你：

   vowels  consonants
0       5           8
1       3           6

然后根据需要分配/加入您的原始 DF。