如何使用正则表达式模式对列进行分类

Question

• 我的问题是如何根据另一列中的内容在新列中添加一些值
• 在我的特定情况下，我有一个数据帧，它有一个名为'Flop'的列，它有3个不同类别的字符串值
• 我可以用regex找到这些"类别"，基于每个类别，我想用每个类别的名称创建另一个名为'Suitedness'的列

我的df的一个例子是：

import pandas as pd
df = pd.DataFrame()
df['Flop']=['As 5d 7c','As 9s 3s','8c 7d 5s','8d, As, Js','Qs Ts 8d','7s 2s 2d']

初始数据帧

Flop
As 5d 7c
As 9s 3s
8c 7d 5s
8d, As, Js
Qs Ts 8d
7s 2s 2d

我用这种方式解决问题：

Monotone = df[df['Flop'].str.contains('(wss){2}ws',na=False)]
Monotone['Suitedness']= 'Monotone'
Rainbow = df[df['Flop'].str.contains('(wcs.*)+|(w.swc.*)+|(w[s,d,c]sw[s,d,c]swc)+',na=False)]
Rainbow['Suitedness']= 'Rainbow'
DoubleSuited = df[df['Flop'].str.contains('((wss){2}w[d,c])+|(wssw[d,c]sws)+|(w[d,c]swssws)+',na=False)]
DoubleSuited['Suitedness']= 'Double Suited'
df2 = pd.concat([Monotone,Rainbow,DoubleSuited])
df2 = df2.sort_index()

• 这段代码创建了3个不同的数据帧，并将它们连接起来。
  • 此解决方案有效，但不美观
  • 我正在寻找一种更清洁的解决方案
• 同样，我的regex语法也有点混乱。
  • 这三个类别是基于字母"s"、"1"、"2"或"3">
  • 我还想要一些关于更好的regex语法的提示

最终数据帧

Flop     Suitedness
As 5d 7c        Rainbow
As 9s 3s       Monotone
8c 7d 5s        Rainbow
Qs Ts 8d  Double Suited
7s 2s 2d  Double Suited

Answer 1

• 使用示例数据
• 此解决方案不会更改正在使用的正则表达式，它只简化了'Flop'中每个字符串的'Suitedness'的设置
  • 请参阅SO:Regex标记Wiki，了解如何提高正则表达式的效率
  • 访问regex101测试正则表达式
• 创建一个包含正则表达式和相关短语的词典
• 使用熊猫。Series.apply具有列表理解，它返回一个具有正确Suitedness的列表，如果与re.match不匹配，则返回一个空列表。
  • 期望只有一场比赛，或者没有比赛，熊猫。Series.explose用于返回索引0处的值。
    • 列表索引选择不适用于列表为空的情况(例如[][0](，因为它会导致IndexError
• 如果不关心NaN值，请使用df = df.dropna()删除这些行

import pandas as pd
import re
# create a dict of mappings
mapping = {'(wss){2}ws': 'Monotone',
'(wcs.*)+|(w.swc.*)+|(w[s,d,c]sw[s,d,c]swc)+': 'Rainbow',
'((wss){2}w[d,c])+|(wssw[d,c]sws)+|(w[d,c]swssws)+': 'Double Suited'}
# apply a list comprehension
df['Suitedness'] = df.Flop.apply(lambda x: [v for k, v in mapping.items() if re.match(k, x)]).explode()
# display(df)
Flop     Suitedness
As 5d 7c        Rainbow
As 9s 3s       Monotone
8c 7d 5s        Rainbow
8d, As, Js            NaN
Qs Ts 8d  Double Suited
7s 2s 2d  Double Suited