Question

我有一个解析名字的数据框：

    **FIRST_NAME**
    Jon
    Colleen
    William
    Todd
    J.-
    &Re Inc
    123Trust

如果名称好或坏，我会创建一个标记名称的列：

    df['BAD']=pd.Series(np.zeros(1),index = df.index)

    **FIRST_NAME**        **BAD**
    Jon                     0
    Colleen                 0
    William                 0
    Todd                    0
    J-Crew                  0
    &Re Inc                 0
    123Trust                0

如果FIRST_NAME包含标点符号，数字或空格，我想更新BAD = 1.

    **FIRST_NAME**        **BAD**
    Jon                     0
    Colleen                 0
    William                 0
    Todd                    0
    J-Crew                  1
    &Re Inc                 1
    123Trust                1

这是我的代码：

    punctuation = '!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~ 1234567890'
    i=0
    while i <int(len(dfcopy)): 
        for p in punctuation1:
            if (df['Bad'][i]==1):
                df['Bad'][i]=1
            elif(p in list(df.iloc[i,1])and df['Bad'][i]==0):
                df['Bad'][i]=1
            else:
                df['Bad'][i]=0
        i=i+1

有没有办法更快地完成这项工作？

Answer 1

df['Bad'] = df.First_Name.map(lambda v: any(char in v for char in punctuation))

另一种可能性：使用punctuation = set(punctuation)将标点设置为一组。然后你可以这样做：

df['Bad'] = df.First_Name.map(lambda v: bool(set(v) & punctuation))

另外，如果你真的只想知道字符串中的所有字符是否都是字母，你可以这样做：

df['Bad'] = df.First_Name.map(lambda v: v.isalpha())

Answer 2

另一种解决方案，利用熊猫的串功能＆＃39;系列：

In [130]: temp
Out[130]:
       index                 time  complete
row_0      2                 test         0
row_1      3  2014-10-23 14:00:00         0
row_2      4  2014-10-26 08:00:00         0
row_3      5  2014-10-26 10:00:00         0
row_4      6  2014-10-26 11:00:00         0

In [131]: temp.time.str.contains("""[!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~ 1234567890]""")
Out[131]:
row_0    False
row_1     True
row_2     True
row_3     True
row_4     True
Name: time, dtype: bool

In [135]: temp['is_bad'] = temp.time.str.contains("""[!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~1234567890]""").astype(int)


In [136]: temp
Out[136]:
       index                 time  complete  is_bad
row_0      2                 test         0       0
row_1      3  2014-10-23 14:00:00         0       1
row_2      4  2014-10-26 08:00:00         0       1
row_3      5  2014-10-26 10:00:00         0       1
row_4      6  2014-10-26 11:00:00         0       1

pandas.Series.str.contains可以接受与

匹配的正则表达式模式

在pandas数据帧中标识带标点符号的行

2 个答案: