[英]Spliting a DataFrame column to columns with regex?
我有一個包含兩列的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}
我正在嘗試使用正則表達式將其分為幾列,方法是獲取第一個數字,然后將方括號“ {}”之間的所有數字都命名為以下名稱:
names=['iter', 'x', 'x-vel', 'y-vel', 'z-vel', 'energy']
但是我似乎只是沒有使正則表達式起作用,這是我在一個簡單示例中所做的事情:
輸入項
>>> 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)
結果
>>> [('1', '1.0000e+00'), ('', '0.0000e+00'), ('', '4.4010e-02'), ('', '9.5681e-04'), ('', '1.1549e-07')]
如您所見,我的正則表達式每次出現{}時都會尋找一個數字,但是我不希望這樣,那么該怎么做呢?
預期行為
>>> [('1'), ('1.0000e+00'), ('0.0000e+00'), ('4.4010e-02'), ('9.5681e-04'), ('1.1549e-07')]
當我的正則表達式工作時,我正在嘗試為所有列分配一行,看起來像這樣:
df[names] = df.first.str.extract(r'(\d*) {*\{\D*(.*?)\}', expand=True)
我真的是數據框的新手,這是解決此問題的正確方法嗎?
任何幫助將不勝感激,在此先感謝!
首先,讓我們從問題中的一些數據中得出一系列數據。
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
第一個選項是一個簡單的正則表達式,用於按順序查找所有數字。 使用extractall
查找每個字符串中的每個匹配項。 這可能已經足夠了。 您仍然必須命名列,這並不難。 這將具有一個MultiIndex
(稍微先進一點),因為每個匹配項可以具有多個組(但是此正則表達式只有一組),因此需要對其進行.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,您可以使用命名組正則表達式。 這是從其中一個字符串構建的相當簡單的模板。 這會將正則表達式中的名稱放入列中。 但是名稱必須是有效的Python標識符。 ( x_vel
,不是x-vel
)。 但這仍然可能是您想要的,因為它允許您以attrs的方式訪問列(例如df.x_vel
而不是df['x-vel']
)。 這個(?P<foo>...)
命名的組語法在re
模塊文檔中都有解釋。
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
請注意,這里使用的是extract
而不是extractall
,因為正則表達式本身有多個組。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.