- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我有一个字符串 pandas 中的 DataFrame,其中包含一些随机的字母字符串,后跟一个潜在的城市和州。但是,间距是不规则的。
例如,我有兴趣解析的列看起来像
blah burlingtonvt
blahessex vt
blah dover vt
blahnorthchittendenvt
blah essex junctionvt
用我想保留的一些字母数字字符字符串(每行可能不同)替换每个“blah”,并用数十万个观察结果以及美国大陆各地的城市和州替换。由于状态代码总是出现在末尾,我可以使用像
这样的正则表达式轻松提取它(ny$|tx$|vt$|...)
其中“...”就是您所期望的其他州。然后我分别处理每个状态的 DataFrame 的每个子集。我有一个列表,列出了我已经制作成正则表达式的给定状态的城市的所有可能的“错误间距”。即,
x = '(essex[ ]{0,1}junction|north[ ]{0,1}chittenden|essex|...)'
此正则表达式中的城市名称变体数量有时会达到数千个。然后我运行以下行
df['city'] = df['string'].str.extract(x, expand=True)
返回
string state city
1 blah waterbury cenvt vt waterbury
2 blah waterbury vt vt
3 blah waterbury vt vt
4 blah vt vt
5 blah shelburne vt vt
6 blah waterbury vt vt
7 blah richmond vt vt richmond
但如果我运行,例如,
df['city'] = df['string'].str.extract('(waterbury|shelburne|richmond)', expand=True)
结果如愿以偿。为什么会这样?我以编程方式生成正则表达式,所以我想说这不是因为打字错误。会不会是因为要找的东西太多了?有更好的方法吗?
编辑:原来在成千上万的城市名称中隐藏着一个我认为不会存在的空字符串。
最佳答案
考虑以下方法:
In [5]: lst = ['waterbury','shelburne','richmond']
In [6]: pat = '({})'.format('|'.join([r'\b{}\b'.format(x) for x in lst]))
In [7]: pat
Out[7]: '(\\bwaterbury\\b|\\bshelburne\\b|\\brichmond\\b)'
In [8]: df['string'].str.extract(pat, expand=True)
Out[8]:
0
0 waterbury
1 waterbury
2 waterbury
3 NaN
4 shelburne
5 waterbury
6 richmond
关于python - 在 Python/pandas 中使用正则表达式查找城市名称,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/45769231/
pandas.crosstab 和 Pandas 数据透视表似乎都提供了完全相同的功能。有什么不同吗? 最佳答案 pivot_table没有 normalize争论,不幸的是。 在 crosstab
我能找到的最接近的答案似乎太复杂:How I can create an interval column in pandas? 如果我有一个如下所示的 pandas 数据框: +-------+ |
这是我用来将某一行的一列值移动到同一行的另一列的当前代码: #Move 2014/15 column ValB to column ValA df.loc[(df.Survey_year == 201
我有一个以下格式的 Pandas 数据框: df = pd.DataFrame({'a' : [0,1,2,3,4,5,6], 'b' : [-0.5, 0.0, 1.0, 1.2, 1.4,
所以我有这两个数据框,我想得到一个新的数据框,它由两个数据框的行的克罗内克积组成。正确的做法是什么? 举个例子:数据框1 c1 c2 0 10 100 1 11 110 2 12
TL;DR:在 pandas 中,如何绘制条形图以使其 x 轴刻度标签看起来像折线图? 我制作了一个间隔均匀的时间序列(每天一个项目),并且可以像这样很好地绘制它: intensity[350:450
我有以下两个时间列,“Time1”和“Time2”。我必须计算 Pandas 中的“差异”列,即 (Time2-Time1): Time1 Time2
从这个 df 去的正确方法是什么: >>> df=pd.DataFrame({'a':['jeff','bob','jill'], 'b':['bob','jeff','mike']}) >>> df
我想按周从 Pandas 框架中的列中累积计算唯一值。例如,假设我有这样的数据: df = pd.DataFrame({'user_id':[1,1,1,2,2,2],'week':[1,1,2,1,
数据透视表的表示形式看起来不像我在寻找的东西,更具体地说,结果行的顺序。 我不知道如何以正确的方式进行更改。 df示例: test_df = pd.DataFrame({'name':['name_1
我有一个数据框,如下所示。 Category Actual Predicted 1 1 1 1 0
我有一个 df,如下所示。 df: ID open_date limit 1 2020-06-03 100 1 2020-06-23 500
我有一个 df ,其中包含与唯一值关联的各种字符串。对于这些唯一值,我想删除不等于单独列表的行,最后一行除外。 下面使用 Label 中的各种字符串值与 Item 相关联.所以对于每个唯一的 Item
考虑以下具有相同名称的列的数据框(显然,这确实发生了,目前我有一个像这样的数据集!:() >>> df = pd.DataFrame({"a":range(10,15),"b":range(5,10)
我在 Pandas 中有一个 DF,它看起来像: Letters Numbers A 1 A 3 A 2 A 1 B 1 B 2
如何减去两列之间的时间并将其转换为分钟 Date Time Ordered Time Delivered 0 1/11/19 9:25:00 am 10:58:00 am
我试图理解 pandas 中的下/上百分位数计算,但有点困惑。这是它的示例代码和输出。 test = pd.Series([7, 15, 36, 39, 40, 41]) test.describe(
我有一个多索引数据框,如下所示: TQ bought HT Detailed Instru
我需要从包含值“低”,“中”或“高”的数据框列创建直方图。当我尝试执行通常的df.column.hist()时,出现以下错误。 ex3.Severity.value_counts() Out[85]:
我试图根据另一列的长度对一列进行子串,但结果集是 NaN .我究竟做错了什么? import pandas as pd df = pd.DataFrame([['abcdefghi','xyz'],
我是一名优秀的程序员,十分优秀!