- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一个 Excel 电子表格,其中包含来自网站的产品数据,以及以下列标题:
产品ID,产品描述
ProductDescription 字段包含详细说明网站产品完整描述的 HTML,并且在每个描述中,重量显示为字符串的一部分(例如“重量为 950 克”或“重量为 1.5 千克”) ') 数字和重量单位之间没有空格。
我想做的是:
将 XL 电子表格导入 Pandas 数据框
创建一个名为“Weight”的新列
解析每个“ProductDescription”(大约 5000 行产品)并且,使用正则表达式,找到提到重量的文本(它可以被识别为“XXXXg”或“XXXXkg”)并将其放入“重量”中数据帧的列作为数值(浮点)。
最后将这个新的三列数据框导出为 Excel 文件。
我在下面编写了一个小脚本,但它不断地抛出错误。如果有人能提供帮助,我将不胜感激。
import pandas as pd
import re as re
def weight(inputString):
result = [re.search('([0-9.]+[kgG]{1,2})', s) for s in inputString]
return result
excel_file = 'Products.xlsx'
df = pd.read_excel(excel_file)
df['Weight'] = df['ProductDescription'].apply(weight)
希望能帮到你。请原谅我不优雅地粘在一起的代码!我对此还很陌生。
最佳答案
您可以使用
df["Weight"] = (
df["ProductDescription"]
.str.extract(r"(?i)(\d+(?:\.\d+)?)\s*[kmd]?g\b", expand=False)
.astype(float)
)
(?i)(\d+(?:\.\d+)?)\s*[kmd]?g\b
模式匹配:
(?i)
- 使模式不区分大小写(\d+(?:\.\d+)?)
- 第 1 组:1+ 位数字,可选出现 .
和 1+ 位数字\s*
- 0+ 个空格[kmd]?
- 可选的 k
、m
或 d
g
- 一个g
\b
- 字边界。关于Python - 使用正则表达式从 Pandas DataFrame 中的列(包含字符串)中提取权重并将其添加到新列中,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59888585/
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!