python - 如何使用正则表达式创建特定的虚拟变量？

Question

我有一个 Pandas 数据框:

col1
johns id is 81245678316
eric bought 82241624316 yesterday
mine is87721624316
frank is a genius
i accepted new 82891224316again

我想根据 col1 创建带有虚拟变量 (0,1) 的新列。如果有 11 个数字以 8 开头并连续出现，则必须为 1，否则为 0。

所以我写了这段代码:

df["is_number"] = df.col1.str.contains(r"\b8\d{10}").map({True: 1, False: 0})

但是输出是:

col1                                         is_number
johns id is 81245678316                        1
eric bought 82241624316 yesterday              1
mine is87721624316                             0
frank is a genius                              0
i accepted new 82891224316again                0      

如您所见，第三行和第五行在“is_number”中有 0，但我希望它们有 1，即使某些地方的单词和数字之间缺少空格。怎么做？我要:

col1                                         is_number
johns id is 81245678316                        1
eric bought 82241624316 yesterday              1
mine is87721624316                             1
frank is a genius                              0
i accepted new 82891224316again                1      

Answer 1

您可以使用数字边界，因为输入中的数字可以“粘合”到字母(这是单词边界，因此字母和 8 之间没有单词边界):

df["is_number"] = df['col1'].str.contains(r"(?<!\d)8\d{10}(?!\d)").map({True: 1, False: 0})

输出:

>>> df
                                col1  is_number
0            johns id is 81245678316          1
1  eric bought 82241624316 yesterday          1
2                 mine is87721624316          1
3                  frank is a genius          0
4    i accepted new 82891224316again          1

参见 regex demo 。