python - 使用字典和正则表达式重命名列名

Question

我有一个名为 mcmc_samples 的 DataFrame，它包含多个变量的 Markov-Chain-Monte-Carlo 样本

<表类="s-表"><头>偏差K_1[1,1]K_1[1,2]K_1[1,3]K_1[2,1]K_1[2,2]K_1[2,3]<正文>0.20.40.60.10.30.90.8.....................

列名称由级别 (K_1)、变量(逗号前括号中的第一个数字)和类别(逗号后括号中的第二个数字)组成。

我尝试重命名列名，使括号中的数字更有意义。为此，我想使用以下词典。

dict_var = {1: "variable_1", 2: "variable_2"}
dict_categ  = {1: "item_1, 2: "item_2", 3: "item_3"}

我尝试使用正则表达式替换字符串

mcmc_samples.columns = mcmc_samples.columns.str.replace(r"(?<=,)(.*?)(?=\])", 
mcmc_samples.columns.str.extract(r"(?<=,)(.*?)(?=\])")[0].map(dict_categ), regex=True)

但这给了我以下错误:

TypeError: repl 必须是字符串或可调用

Answer 1

假设字典包含全面的数据，并且您要匹配的所有数字在字典中都有相应的键，您可以使用

mcmc_samples.columns = mcmc_samples.columns.str.replace(
    r"(?<=\[)(\d+),(\d+)(?=])",
    lambda x: f"{dict_var[int(x.group(1))]},{dict_categ[int(x.group(2))]}",
    regex=True)

参见 regex demo . 详细信息:

• (?<=\[) - 就在前面，必须有一个 [字符
• (\d+) - 第 1 组:一个或多个数字
• , - 一个逗号
• (\d+) - 第 2 组:一个或多个数字
• (?=]) - 紧接着，必须有一个 ]字符。

如果你需要返回匹配的数字，如果它不在你可以使用的字典中

def repl(x):
    result = []
    if int(x.group(1)) in dict_var:
        result.append(dict_var[int(x.group(1))])
    else:
        result.append(x.group(1))
    if int(x.group(2)) in dict_categ:
        result.append(dict_categ[int(x.group(2))])
    else:
        result.append(x.group(2))
    return ",".join(result)

mcmc_samples.columns = mcmc_samples.columns.str.replace(
    r"(?<=\[)(\d+),(\d+)(?=])",
    lambda x: repl(x),
    regex=True)