python - 匹配 python pandas 元组中的正则表达式

Question

我想通过 if-else 循环来匹配正则表达式，就像 python pandas 中的这样:

 df=pd.read('XYZ.csv');
Total_Data=df['Description'].str.extract(r'([0-9]+(\.[0-9][0-9]?)?\sGB|[0-9]+(\.[0-9][0-9]?)?\s?MB)')[0];
df['Total_Data']=Total_Data.str.extract(r'([0-9]{1,4})')

for row in Total_Data.iteritems() :
print (type(row))
if row.str.contains(r'((?i)MB)'):
df['Total_Data']=df['Total_Data']/1000;

现在我知道这里出了什么问题 contains() 是针对 pandas 中的系列。但是那么我应该如何迭代 Total_Data 中的行，以便如果 MB 单词存在于Total_Data，我可以将其转换为 GB。我想检查此正则表达式并将那些以 MB 为单位的元组数据转换为 GB编辑:

我的数据子集:

09       NaN
10       NaN
11       NaN
12       NaN
13       300 MB
14       NaN
15       NaN
16       NaN
17        80 MB
18       125 MB
19       200 MB
20         1 GB
21       250 MB
22       400 MB
23       350 MB
24         2 GB
25       500 MB
26         1 GB
27         1 GB

Answer 1

正则表达式版本

首先定义要应用的函数，然后应用。如果您明显希望对输出进行任何更改，请更改函数的返回值。

df = pd.DataFrame()
df['Total_Data'] = [np.nan, np.nan, '300MB', '200 MB', '1 GB']

def process_row(row):
    match = re.match('^(\d+)\s*(MB)',str(row))
    if match:
        return str(int(match.group(1)) / 1000) + " GB"
    else:
        return row

df['Total_Data'] = df['Total_Data'].apply(process_row)

  Total_Data
0        NaN
1        NaN
2     0.3 GB
3     0.2 GB
4       1 GB

“ Pandas ”版本

这对数据框做了一些更改。

首先让我们用空字符串或任何东西替换 NaN 以简化生活。

df['Total_Data'].fillna('0 None', inplace=True)

然后拆分一列，因为看起来您有一个空格分隔的值。

foo = lambda x: pd.Series([i for i in x.split(' ')])   
df[['value', 'unit']] = df['Total Data'].apply(foo)
df['value'] = df['value'].astype('int')

你会得到类似的东西:

Total Data  value  unit
0  0 None      0  None
1  0 None      0  None
2   80 MB     80    MB
3  200 MB    200    MB
4    2 GB      2    GB
5    1 GB      1    GB

剩下的就简单了。获取要更改的条目的索引并相应地更新它们。

idx = df.loc[df['unit'] == 'MB'].index
df.loc[idx, 'value'] = df['value'] / 1000
df.loc[idx, 'unit'] = 'GB'