Question

我在Pandas中有一个数据框，如下所示

df = pd.DataFrame({'Firstname':['Vishal', 'Nishal', 'Indira', 'Jagdish', 'Tamnna'], 'Actual Age':[25,33,58,58,30]})

  Firstname  Actual Age
0    Vishal          25 
1   Nishant          33
2    Indira          58
3   Jagdish          58   
4    Tamnna          30

和正则表达式：

\w+ish\w*

我似乎无法想象我们提供的结果如下：

  Firstname  Actual Age  CopyDown
0    Vishal          25    Vishal
1   Nishant          33   Nishant
2    Indira          58   Nishant
3   Jagdish          58   Jagdish
4    Tamnna          30   Jagdish

所以基本上我要做的是查看Firstname列，如果我可以匹配给定的正则表达式，继续在新列中复制该值，直到找到下一个匹配，并且基本上继续这样做直到你得到到最后。

有什么想法吗？我已经坚持了几天。它基本上是我想要实现的copydown特性，它可能在非规范化数据集中有用。（使用日期作为东西）

提前致谢

Answer 1

您可以使用Series.str.extract("(\w+ish\w*)")来获取匹配项。

然后你可以使用Series.fillna(method='ffill')来填补空白的比赛

这一行应该足够了：

df['CopyDown'] = df.Firstname.str.extract('(\w+ish\w*)').fillna(method='ffill')

Answer 2

这是一种方法。首先确定是否匹配。然后groupby使用cumsum技巧。最后，使用第一个值填充每个子组。

import pandas as pd
import re

# your data
# =============================
print(df)


  Firstname  Actual Age
0    Vishal          25
1   Nishant          33
2    Indira          58
3   Jagdish          58
4    Tamnna          30

# processing
# =============================
pattern = re.compile(r'\w+ish\w*')

df['matched'] = [(pattern.match(x) is not None) for x in df.Firstname.values]
df['diff_names'] = df.matched.astype(int).cumsum()


def func(group):
    group['CopyDown'] = group['Firstname'].values[0]
    return group.drop(['matched', 'diff_names'], axis=1)

df.groupby('diff_names').apply(func)


  Firstname  Actual Age CopyDown
0    Vishal          25   Vishal
1   Nishant          33  Nishant
2    Indira          58  Nishant
3   Jagdish          58  Jagdish
4    Tamnna          30  Jagdish

根据针对正则表达式pandas检查的现有列填充新列

2 个答案: