如何在 pandas 中使用正則表達式對列進行排序？

Question

在“新案例”列中，我大約有以下值：

+10 000 , + 1000 , + 100和+ 10, 0 。

我的代碼：

import re
import pandas as pd
iris = pd.read_csv('Covid-19.csv')
a = iris['New Cases'].str.contains[r'+[d{5}]']
iris.sort_values(a)

堆棧跟蹤：

------------------------------------------------------------------
TypeError                        Traceback (most recent call last)
<ipython-input42-291424a61469> in <module>
        2 import pandas as pd
        3 iris = pd.read_csv('Covid-19.csv')
------> 4 a = iris['New Cases'].str.contains[r'+[d{5}]']
        5 iris.sort_values(a)

TypeError 'method' object is not subscriptable

Answer 1

您可以使用

iris['New Cases'] = iris['New Cases'].astype(str).str.replace(r'\D+', '').astype(int)

首先，您需要將數據轉換為字符串類型（ .astype(str) ），然后刪除所有不是數字的字符（ .str.replace(r'\D+', '') ），然后將結果轉換為一個 int （帶有.astype(int) ）。

Python pandas 測試：

data = { 'New Cases': ['+1,370', '+6,740', '+1,159', 0, '+9,625']}
df = pd.DataFrame(data)
df['New Cases'].astype(str).str.replace(r'\D+', '').astype(int)
#    0    1370
#    1    6740
#    2    1159
#    3       0
#    4    9625
#    Name: New Cases, dtype: int32

Answer 2

pd.DataFrame.str.contains是一個方法，所以你需要調用它。 嘗試：

iris['New Cases'].str.contains(r'+[d{5}]')