python中的循环和字符串数组答案

【问题标题】：Loop and arrays of strings in pythonpython中的循环和字符串数组
【发布时间】：2019-03-17 07:53:37
【问题描述】：

我有以下数据集：

column1

HL111
PG3939HL11
HL339PG
RC--HL--PG

我正在尝试编写一个执行以下操作的函数：

循环遍历 column1 的每一行
只提取字母并放入数组中
如果数组中包含“HL”，请将其从数组中删除，除非 HL 是数组中唯一的单词。
取数组中的第一个单词并输出结果。

所以对于上面的例子，我的数组（step2）看起来像这样：

[HL]
[PG,HL]
[HL,PG]
[RC,HL,PG]

我想要的最终输出（第 4 步）如下所示：

desired_column

HL
PG
PG
RC

我有第 2 步的代码，它似乎工作正常

df['array_column'] = (df.column1.str.extractall('([A-Z]+)')
                    .unstack()
                    .values.tolist())

但我不知道如何从这里到达我的最终输出（步骤 4）。

【问题讨论】：

如果单元格没有字母，你会期待什么？ !!!!! 或 11111?
如果单元格没有字母，则结果可以为空或为空
我添加了an answer，它处理没有字母的单元格并遵循您的初始逻辑。

标签： python arrays regex pandas loops

【解决方案1】：

您可以先替换所有非字母，然后提取成对的字母，然后应用一些自定义逻辑从数组中提取必要的值来实现您的需要：

>>> df['array_column'].str.replace('[^A-Z]+', '').str.findall('([A-Z]{2})').apply(lambda d: [''] if len(d) == 0 else d).apply(lambda x: 'HL' if len(x) == 1 and x[0] == 'HL' else [m for m in x if m != 'HL'][0])
0    HL
1    PG
2    PG
3    RC
Name: array_column, dtype: object
>>>

详情

.replace('[^A-Z]+', '') - 删除除大写字母以外的所有字符
.str.findall('([A-Z]{2})') - 提取字母对
.apply(lambda d: [''] if len(d) == 0 else d) 会在上一步没有正则匹配的情况下添加一个空项
.apply(lambda x: 'HL' if len(x) == 1 and x[0] == 'HL' else [m for m in x if m != 'HL'][0]) - 自定义逻辑：如果列表长度为 1 且等于 HL，则保留它，否则删除所有 HL 并获取第一个元素

【讨论】：

【解决方案2】：

这是使用apply的一种方法

演示：

import re
import pandas as pd

def checkValue(value):
    value = re.findall(r"[A-Z]{2}", value)
    if (len(value) > 1) and ("HL" in value):
        return [i for i in value if i != "HL"][0]
    else:
        return value[0]    

df = pd.DataFrame({"column1": ["HL111", "PG3939HL11", "HL339PG", "RC--HL--PG"]})
print(df.column1.apply(checkValue))

输出：

0    HL
1    PG
2    PG
3    RC
Name: column1, dtype: object

【讨论】：

【解决方案3】：

你可以做这样的事情（或者可能更优雅的事情），你已经得到了一个相当不错的结构，你可以使用 groupby 来完成你的解决方案

def extract_relevant_str(grp):
    ret_val = None
    if "HL" in grp[0].tolist() and len(grp) == 1:
        ret_val = "HL"
    elif len(grp) >= 1:
        ret_val = grp.loc[grp[0] != "HL", 0].iloc[0]
    return ret_val

items = df.column1.str.extractall('([A-Z]+)')
items.reset_index().groupby("level_0").apply(extract_relevant_str)

输出：

level_0
0    HL
1    PG
2    PG
3    RC
dtype: object

【讨论】：