[英]Spliting a DataFrame column to columns with regex?
我有一个包含两列的DataFrame,第二列具有以下格式:
1 {{continuity 1.0000e+00} {x-velocity 0.0000e+00} {y-velocity 4.4010e-02} {z-velocity 9.5681e-04} {energy 1.1549e-07} }
2 {{continuity 1.0000e+00} {x-velocity 7.8788e-04} {y-velocity 1.2617e+01} {z-velocity 9.0445e-04} {energy 4.5605e-06} }
3 {{continuity 2.3250e-01} {x-velocity 1.6896e-03} {y-velocity 1.2536e-02} {z-velocity 9.8980e-03} {energy 3.4032e-06} }
4 {{continuity 8.0243e-02} {x-velocity 2.2180e-03} {y-velocity 1.3189e-02} {z-velocity 1.0225e-02} {energy 4.6336e-07} }
5 {{continuity 7.0923e-02} {x-velocity 2.2674e-03} {y-velocity 1.2308e-02}
我正在尝试使用正则表达式将其分为几列,方法是获取第一个数字,然后将方括号“ {}”之间的所有数字都命名为以下名称:
names=['iter', 'x', 'x-vel', 'y-vel', 'z-vel', 'energy']
但是我似乎只是没有使正则表达式起作用,这是我在一个简单示例中所做的事情:
输入项
>>> a = "1 {{continuity 1.0000e+00} {x-velocity 0.0000e+00} {y-velocity 4.4010e-02} {z-velocity 9.5681e-04} {energy 1.1549e-07} }"
>>> re.findall("(\d*) {*\{\D*(.*?)\}", a)
结果
>>> [('1', '1.0000e+00'), ('', '0.0000e+00'), ('', '4.4010e-02'), ('', '9.5681e-04'), ('', '1.1549e-07')]
如您所见,我的正则表达式每次出现{}时都会寻找一个数字,但是我不希望这样,那么该怎么做呢?
预期行为
>>> [('1'), ('1.0000e+00'), ('0.0000e+00'), ('4.4010e-02'), ('9.5681e-04'), ('1.1549e-07')]
当我的正则表达式工作时,我正在尝试为所有列分配一行,看起来像这样:
df[names] = df.first.str.extract(r'(\d*) {*\{\D*(.*?)\}', expand=True)
我真的是数据框的新手,这是解决此问题的正确方法吗?
任何帮助将不胜感激,在此先感谢!
首先,让我们从问题中的一些数据中得出一系列数据。
import pandas as pd
data = pd.Series('''\
1 {{continuity 1.0000e+00} {x-velocity 0.0000e+00} {y-velocity 4.4010e-02} {z-velocity 9.5681e-04} {energy 1.1549e-07} }
2 {{continuity 1.0000e+00} {x-velocity 7.8788e-04} {y-velocity 1.2617e+01} {z-velocity 9.0445e-04} {energy 4.5605e-06} }
3 {{continuity 2.3250e-01} {x-velocity 1.6896e-03} {y-velocity 1.2536e-02} {z-velocity 9.8980e-03} {energy 3.4032e-06} }
4 {{continuity 8.0243e-02} {x-velocity 2.2180e-03} {y-velocity 1.3189e-02} {z-velocity 1.0225e-02} {energy 4.6336e-07} }'''
.split('\n'))
print(data)
0 1 {{continuity 1.0000e+00} {x-velocity 0.0000e...
1 2 {{continuity 1.0000e+00} {x-velocity 7.8788e...
2 3 {{continuity 2.3250e-01} {x-velocity 1.6896e...
3 4 {{continuity 8.0243e-02} {x-velocity 2.2180e...
dtype: object
0
第一个选项是一个简单的正则表达式,用于按顺序查找所有数字。 使用extractall
查找每个字符串中的每个匹配项。 这可能已经足够了。 您仍然必须命名列,这并不难。 这将具有一个MultiIndex
(稍微先进一点),因为每个匹配项可以具有多个组(但是此正则表达式只有一组),因此需要对其进行.unstack()
。
print(data.str.extractall(r'(\d[\d.e+-]*)').unstack())
match 0 1 2 3 4 5
0 1 1.0000e+00 0.0000e+00 4.4010e-02 9.5681e-04 1.1549e-07
1 2 1.0000e+00 7.8788e-04 1.2617e+01 9.0445e-04 4.5605e-06
2 3 2.3250e-01 1.6896e-03 1.2536e-02 9.8980e-03 3.4032e-06
3 4 8.0243e-02 2.2180e-03 1.3189e-02 1.0225e-02 4.6336e-07
或者,您可以使用命名组正则表达式。 这是从其中一个字符串构建的相当简单的模板。 这会将正则表达式中的名称放入列中。 但是名称必须是有效的Python标识符。 ( x_vel
,不是x-vel
)。 但这仍然可能是您想要的,因为它允许您以attrs的方式访问列(例如df.x_vel
而不是df['x-vel']
)。 这个(?P<foo>...)
命名的组语法在re
模块文档中都有解释。
print(
data.str.extract(r'(?P<iter>\d+) {{continuity (?P<x>[^}]+)} {x-velocity (?P<x_vel>[^}]+)} {y-velocity (?P<y_vel>[^}]+)} {z-velocity (?P<z_vel>[^}]+)} {energy (?P<energy>[^}]+)} }',
expand=False))
iter x x_vel y_vel z_vel energy
0 1 1.0000e+00 0.0000e+00 4.4010e-02 9.5681e-04 1.1549e-07
1 2 1.0000e+00 7.8788e-04 1.2617e+01 9.0445e-04 4.5605e-06
2 3 2.3250e-01 1.6896e-03 1.2536e-02 9.8980e-03 3.4032e-06
3 4 8.0243e-02 2.2180e-03 1.3189e-02 1.0225e-02 4.6336e-07
请注意,这里使用的是extract
而不是extractall
,因为正则表达式本身有多个组。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.