嗨，我想使用字串模式映射熊貓系列
s=pd.DataFrame([['AMcU8', 10], ['AM8v', 15], ['ASw9', 14],['ASw7', 14]], columns = ['Code', 'Quantity'])
s["newcode"]=s["Code"].map({"AM.*8.*" : "AM8", "AS.*9.*" : "AS9"})
但我明白了：
Code Quantity newcode
0 AMcU8 10 NaN
1 AM8v 15 NaN
2 ASw9 14 NaN
3 ASw7 14 NaN
代替：
Code Quantity newcode
0 AMcU8 10 AM8
1 AM8v 15 AM8
2 ASw9 14 AS9
3 ASw7 14 NaN
任何的想法？當它沒有找到匹配時，得到一個 NaN 很好
uj5u.com熱心網友回復：
您可以Series.replace將引數regex設定為映射字典（檔案）：
s["newcode"] = s["Code"].replace(regex={"AM.*8.*":"AM8", "AS.*9.*": "AS9"})
它產生：
Code Quantity newcode
0 AMcU8 10 AM8
1 AM8v 15 AM8
2 ASw9 14 AS9
3 ASw7 14 ASw7
請注意，不匹配的模式保持不變。
uj5u.com熱心網友回復：
據我所知，沒有執行此操作的直接功能。
您可以使用apply()and執行此操作，re并按如下方式遍歷您的映射字典：
mapping = {"AM.*8" : "AM8", "AS.*9" : "AS9"}
import re
def regex_mapping(x):
for k, v in mapping.items():
if re.match(k, x):
return re.sub(k, v, x)
return x
s['Code'].apply(regex_mapping)
輸出：
0 AM8
1 AM8
2 AS9
3 ASw7
Name: Code, dtype: object
uj5u.com熱心網友回復：
據我所知，您不能向Series.map().
但是，這可以滿足您的需求：
import re
import pandas as pd
s = pd.DataFrame([['AMcU8', 10], ['AM8', 15], ['ASw9', 14], ['ASw7', 14]], columns=['Code', 'Quantity'])
def regex_replace(x, map: dict = None):
for regex, replacement in map.items():
if re.match(regex, x):
return replacement
else:
return x
s["newcode"] = s["Code"].apply(regex_replace, map={"AM.*8": "AM8", "AS.*9": "AS9"})
或者，如果您經常將其應用于大型 DataFrame 并希望它在這種情況下更快更高效：
import re
import pandas as pd
from functools import partial
s = pd.DataFrame([['AMcU8', 10], ['AM8', 15], ['ASw9', 14], ['ASw7', 14]], columns=['Code', 'Quantity'])
def regex_replace(map: dict = None, x=None):
for regex, replacement in map.items():
if regex.match(x):
return replacement
else:
return x
mapping = partial(regex_replace, {re.compile("AM.*8"): "AM8", re.compile("AS.*9"): "AS9"})
s["newcode"] = s["Code"].apply(mapping)
轉載請註明出處，本文鏈接：https://www.uj5u.com/yidong/331597.html