Question

我有非常奇怪的数据通过curl进入我的pandas数据帧。我想要做的是从列中提取值，如下所述。有人可以指导我如何提取信息吗？

cc = pd.read_csv(cc_curl)
print(cc['srv_id'])

srv_id
------
TicketID 14593_ServiceID 104731
ServiceID 
TicketID 14595_ServiceID 104732
TicketID 14609_ServiceID 0
TicketID 0_ServiceID 178282

提取5位票证ID和6位服务ID。
不提取任何内容，因为没有ticketID且服务ID为空。
提取5位票证ID和6位服务ID。
仅提取5位数的故障单ID，服务ID应为空白，因为它为0。
仅提取6位服务ID，并将票证ID留空，因为它为0。

期望的输出

srv_id
------
14593 104731

14595 104732
14609
 178282

Answer 1

如果要将此信息提取到两个新列中，可以这样做：

import numpy as np
import pandas as pd

In [22]: df[['TicketID','ServiceID']] = (
    ...:   df.srv_id.str.extract(r'TicketID\s+(\d+).*?ServiceID\s+(\d+)', expand=True)
    ...:     .replace(r'\b0\b', np.nan, regex=True)
    ...: )
    ...:

In [23]: df
Out[23]:
                            srv_id TicketID ServiceID
0  TicketID 14593_ServiceID 104731    14593    104731
1                       ServiceID       NaN       NaN
2  TicketID 14595_ServiceID 104732    14595    104732
3       TicketID 14609_ServiceID 0    14609       NaN
4      TicketID 0_ServiceID 178282      NaN    178282

如果您想用提取的数字替换字符串：

In [161]: df['new_srv_id'] = \
              df.srv_id.replace([r'[^\d{5,}]+', r'\s*\b0\b\s*'], [' ', ''], regex=True)

In [162]: df
Out[162]:
                            srv_id     new_srv_id
0  TicketID 14593_ServiceID 104731   14593 104731
1                       ServiceID
2  TicketID 14595_ServiceID 104732   14595 104732
3       TicketID 14609_ServiceID 0          14609
4      TicketID 0_ServiceID 178282         178282

从pandas流中提取值

1 个答案: