Python - 计算 pandas 行字符串上的连续前导数字，而不计算非连续数字

Question

我需要创建一个新列来计算前导 0 的数量，但是尝试这样做时遇到错误。我根据 mongo 上的以下正则表达式 [\^0[0]*[1-9][0-9]*\] 从 mongo 中提取数据并将其保存到 csv 文件中。这是所有以 0 开头的“序列”。

df['Sequence'].str.count('0')

和

df['Sequence'].str.count('0[0]*[1-9][0-9]')

给出下面的结果。正如您所看到的，两个“count”字符串返回也会计算非前导 0。或者只是 0 的总数。

    Sequence    0s
0   012312312   1
1   024624624   1
2   036901357   2
3   002486248   2
4   045074305   3
5   080666140   3

我还尝试使用在测试时有效的循环进行编写，但在数据帧上使用它时，我遇到以下 **IndexError: string index out of range**

results = []
count = 0 
index = 0
for item in df['Sequence']:
    count = 0 
    index = 0
    while (item[index] == "0"):  
            count = count + 1          
            index = index + 1
    results.append(count)
df['0s'] = results
df

简而言之；如果我可以为 001230 子字符串得到 2 而不是 3。我可以将结果保存在列中以进行统计。

Answer 1

您可以将 extract 与 ^(0*) 正则表达式一起使用，以仅匹配前导零。然后使用 str.len 获取长度。

df['0s'] = df['sequence'].str.extract('^(0*)', expand = False).str.len()

输入示例:

df = pd.DataFrame({'sequence': ['12040', '01230', '00010', '00120']})

输出:

  sequence  0s
0    12040   0
1    01230   1
2    00010   3
3    00120   2