Python:将所有列替换为 reg 的输出

Question

在我的

数据集中，我有一个像这样的特征(称为Size(：

import pandas as pd

dit={"Size" : ["0","0","5mm","12-15","3-10"] }
dt = pd.DataFrame(data=dit)

此功能指定一个范围(最小值和最大值(或特定数字的大小。

现在，我希望将值替换为每个范围的最大值。

因此，在我的示例中，输出应该是

dit={"Size" : ["0","0","5mm","15mm","10mm"] }

这是我尝试过的：

import re
dt = re.split("-",dt.loc[:,"Size"])

但是，它抱怨：

TypeError: expected string or bytes-like object

这是有道理的，因为dt.loc[:," Size (in mm)"]的类型是：

pandas.core.series.Series

我的问题是，我怎样才能简单地更新此列而不循环？

Answer 1

您可以使用

import pandas as pd
import re
dit={"Size" : ["0","0","5mm","12-15","3-10"] }
dt = pd.DataFrame(data=dit)
rx = r'(d+)(?:mm)?-(d+)(?:mm)?'
dt['Size']=dt['Size'].apply(lambda x: re.sub(rx, lambda z: str(max(int(z.group(1)), int(z.group(2)))) + "mm", x))

输出：

>>> dt
   Size
0     0
1     0
2   5mm
3  15mm
4  10mm

正则表达式匹配

• (d+) - 第 1 组：一个或多个数字
• (?:mm)? - 可选的mm字符序列
• - - 连字符
• (d+) - 第 2 组：一个或多个数字
• (?:mm)? - - 可选的mm字符序列。

str(max(int(z.group(1)), int(z.group(2)))) + "mm"将数字的最大值保留在两组中，并在末尾附加mm。

Answer 2

这个表达式可能会返回所需的输出，我假设mm不需要：

import pandas as pd
dit={"Size" : ["0","0","5mm","12-15mm","3mm-10mm"] }
dt = pd.DataFrame(data=dit)
dt['max_size']=dt["Size"].str.replace(r"^.*?(d+)D*$",r"1")
print(dt)

输出

       Size max_size
0         0        0
1         0        0
2       5mm        5
3   12-15mm       15
4  3mm-10mm       10

Answer 3

使用简单的掩码和Series.apply功能：

In [172]: m = df['Size'].str.contains('-?d+mm$')                                                                                               
In [173]: df.loc[m, 'Size'] = df.loc[m, 'Size'].apply(lambda x: x.split('-')[-1])                                                              
In [174]: df                                                                                                                                   
Out[174]: 
   Size
0     0
1     0
2   5mm
3  15mm
4  10mm

---

'-?d+mm$'模式详细信息：

• -? - 匹配可选的-字符
• d+mm$ - 匹配字符串末尾的一个或多个数字d后跟mm
后缀$

Answer 4

我们可以使用这个简单的正则表达式来替换 - 之前的所有内容：

  import pandas as pd
   dit={"Size" : ["0","0","5mm","12-15mm","3mm-10mm"] }
   dt = pd.DataFrame(data=dit)
   dt["max_size"] = dt["Size"].str.replace(".*-","")
   dt
       Size max_size
0         0        0
1         0        0
2       5mm      5mm
3   12-15mm     15mm
4  3mm-10mm     10mm

如果最后不需要mm，则：

dt["max_size"] = dt["Size"].str.replace(r".*-|mm$", "")
dt
       Size max_size
0         0        0
1         0        0
2       5mm        5
3   12-15mm       15
4  3mm-10mm       10