python - 对 findall() 列表进行切片以获取值

Question

我正在使用 Anaconda Jupyter Notebook 和 Python 3 重新创建 DataCamp 练习。该练习是导入 csv 文件，使用在 lambda 函数内使用 .replace() 方法删除“total_dollar”列中的美元符号。然后在另一个新列中再次执行相同的操作，但这次使用 RegEx.findall()。我遇到麻烦的地方是使用 [0] 对 re.findall() 列表进行切片以获取值。 DataCamp 指令说: 请注意，因为 re.findall() 返回一个列表，所以您必须对其进行切片才能访问实际值。

以下代码在他们的网站上给了我正确的答案，但在 Jupyter Notebook 中却没有。

tips2 = pd.read_csv('c:\\datacamp\\data\\tips2.csv')
print(tips2.head())

# Write the lambda function using replace
tips2['total_dollar_replace'] = tips2.total_dollar.apply(lambda x: x.replace('$', ''))

# Write the lambda function using regular expressions
tips2['total_dollar_re'] = tips2.total_dollar.apply(lambda x: re.findall('\d+\.\d+', x)[0])

# Print the head of tips
print(tips2.head())

输出如下:

total_bill   tip     sex smoker  day    time  size total_dollar
0       16.99  1.01  Female     No  Sun  Dinner   2.0       $16.99
1       10.34  1.66    Male     No  Sun  Dinner   3.0       $10.34
2       21.01  3.50    Male     No  Sun  Dinner   3.0       $21.01
3       23.68  3.31    Male     No  Sun  Dinner   2.0       $23.68
4       24.59  3.61  Female     No  Sun  Dinner   4.0       $24.59


---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-152-598533768fa6> in <module>
     28 
     29 # Write the lambda function using regular expressions
---> 30 tips2['total_dollar_re'] = tips2.total_dollar.apply(lambda x: re.findall('\d+\.\d+', x)[0])
     31 
     32 

C:\conda\envs\datacamp\lib\site-packages\pandas\core\series.py in apply(self, func, convert_dtype, args, **kwds)
   4036             else:
   4037                 values = self.astype(object).values
-> 4038                 mapped = lib.map_infer(values, f, convert=convert_dtype)
   4039 
   4040         if len(mapped) and isinstance(mapped[0], Series):

pandas\_libs\lib.pyx in pandas._libs.lib.map_infer()

<ipython-input-152-598533768fa6> in <lambda>(x)
     28 
     29 # Write the lambda function using regular expressions
---> 30 tips2['total_dollar_re'] = tips2.total_dollar.apply(lambda x: re.findall('\d+\.\d+', x)[0])
     31 
     32 

IndexError: list index out of range

去掉索引切片器，输出会更好，但不完全是它应该的样子:

   total_bill   tip     sex smoker  day    time  size total_dollar  \
0       16.99  1.01  Female     No  Sun  Dinner   2.0       $16.99   
1       10.34  1.66    Male     No  Sun  Dinner   3.0       $10.34   
2       21.01  3.50    Male     No  Sun  Dinner   3.0       $21.01   
3       23.68  3.31    Male     No  Sun  Dinner   2.0       $23.68   
4       24.59  3.61  Female     No  Sun  Dinner   4.0       $24.59   

  total_dollar_replace total_dollar_re  
0                16.99         [16.99]  
1                10.34         [10.34]  
2                21.01         [21.01]  
3                23.68         [23.68]  
4                24.59         [24.59]  

最后一列不应该是一个列表，这应该是使用 [0] 切片器的目的。非常感谢您帮助我了解我所缺少的内容。

Answer 1

IndexError 似乎是由正则表达式返回不匹配的一行或多行引起的。或者换句话说，re.findall() 返回长度为 0 的列表，并且您无法索引到空列表。如果您愿意放弃 lambda 函数而选择完整的函数并编写如下内容，则可以解决此问题:

def my_regex_fun(x):
    try:
        return re.findall('\d+\.\d+', x)[0]
    except IndexError:
        return None # Return your choice of whatever here. np.NaN might be a good option

tips2['total_dollar_re'] = tips2.total_dollar.apply(my_regex_fun)

这将解决 IndexError 问题，但不会解决任何其他可能出现的问题。