Pandas - 使用替換+正則表達式從字符串列中提取數值

Question

我有一個 dataframe 的列，其中包含許多值范圍。 下面的例子：

dirty_col = pd.Series([5, 6, '1-2', '40-60', 10])

我正在嘗試清理此列，生成一個具有平均值范圍的新列。 預期結果：

clean_col = pd.Series([5, 6, 1.5, 50, 10])

我正在嘗試 map 在矢量化映射函數中使用正則表達式，例如：

clean_col = pd.Series([5, 6, '1-2', '40-60', 10]).replace({'^[0-9]-[0-9]$':--average here--},regex=True)

但我被困在這里。 如何使用映射字典和正則表達式獲得上述預期結果？ 我知道我可以直接在 dataframe 中工作，將文本按“-”分割，然后取平均值，但是，我已經在上面的字典中有許多其他的清理映射，繼續使用同一個字典會更方便和更干凈所有的清潔。

我認為我正在尋找的解決方案可能使用 lambdas，或者從字典內部調用的額外 function，但我無法弄清楚如何做到這一點。

Answer 1

我不認為pandas.Series.replace支持可調用。 使用pandas.eval的一種可能方法：

dirty_col.replace({'^(\d+)-(\d+)$': "(\\1+\\2)/2"},regex=True).apply(pd.eval)

Output：

0     5.0
1     6.0
2     1.5
3    50.0
4    10.0
dtype: float64

Answer 2

您可以嘗試series.str.replace與repl作為可調用和fillna返回

f_repr = lambda m: str(sum(map(int, m[0].split('-')))/2)
s_out = s.str.replace(r'^[0-9]+-[0-9]+$', f_repr).fillna(s)

Out[30]:
0       5
1       6
2     1.5
3    50.0
4      10
dtype: object