在 Pandas 中的特定列上应用正则表达式

Question

我有一个数据集，其中包含 tweetID、tweet-text、RegExp1、RegExp2、RegExp3、RegExp4 列和 4 个正则表达式的列表。 我想在 tweet-text 列上一一应用正则表达式，如果 tweet-text 满足正则表达式，那么我想在相应的 RegExp 列中将值设置为 1，如果不满足则我想将其设置为 0 .

例如，假设 tweet-text 满足正则表达式编号 1，那么我想将对应的 RegExp1 列的值设置为 1，不满足正则表达式 2，那么我想将对应的 RegExp2 列的值设置为 0，依此类推。我尝试了最后给出的代码，但它对我不起作用。

我的数据集看起来像

tweetID | tweet-text         | RegExp1 | RexExp2 | RegExp3 | RexExp4
---------------------------------------------------------------------
10001   | to get it or?      |         |         |         |
10333   | I just wonder :)   |         |         |         |
10933   | is it possible dude|         |         |         |
14633   | he is good at      |         |         |         |

代码：

 `regexes = [
    re.compile('i asked .* said'),
    re.compile('you asked me what .*'),
    re.compile('(to get|to see|to look|is it true|is it possible) .*'),
    re.compile('I .* wonder .*')
]
for regex, i in zip(regexes, range(4)):
    columnName = "RegExp"+str(i+1)
    for row in df['tweet-text']:
      if(regex.search(row) != None):
        df[columnName] = 1
      else:
        df[columnName] = 0`

（最好使用熊猫）谢谢

Answer 1

您可以在循环中使用str.contains。您需要传递正则表达式模式（不是已编译的正则表达式对象）。

这就是我要开始的：

In [1062]: df.head()
Out[1062]: 
   tweetID            tweet-text    RegExp1    RegExp2    RegExp3 RegExp4
0    10001   to get it or?                                               
1    10333   I just wonder :)                                            
2    10933   is it possible dude                                         
3    14633   he is good at 

In [1063]: regexes = [
      ...:     'i asked .* said',
      ...:     'you asked me what .*',
      ...:     '(?:to get|to see|to look|is it true|is it possible) .*',
      ...:     'I .* wonder .*'
      ...: ]

接下来，为每个正则表达式模式运行一个循环。调用str.contains，将结果依次赋值给每一列：

In [1090]: for i, r in enumerate(regexes):
      ...:     df['RegExp%d' %(i + 1)] = df['tweet-text'].str.contains(r).astype(int)
      ...:     

In [1091]: df.head()
Out[1091]: 
   tweetID            tweet-text  RegExp1  RegExp2  RegExp3  RegExp4
0    10001   to get it or?              0        0        1        0
1    10333   I just wonder :)           0        0        0        1
2    10933   is it possible dude        0        0        1        0
3    14633   he is good at              0        0        0        0