Question

我想编写一个函数来清理数据帧的索引列。

删除具有高级ID的整行。例如，删除

East Kootenay (5901) 01010
将索引定制为7位数的低级ID。例如，转

East Kootenay A (5901017) RDA 02020 进入5901017
如果它有两个括号，则只保留第二个括号中的7位数字。例如，

Sechelt (Part) (5929803) IGD 02020至5929803

Capital H (Part 1) (5917054) RDA 01020至5917054

Capital H (Part 2) (5917056) RDA 02030至5917056

T'Sou-ke 1 (Sooke 1) (5917817) IRI 01010至5917817

T'Sou-ke 2 (Sooke 2) (5917818) IRI 00000至5917818

仅适用于一个括号的代码示例是

def extract_id(s):
    m = re.search('\((.*)\)', s)
    if m:
        i = int(m.group(0)[1:-1])
        return i

if __name__ == '__main__':
    # Read data
    census_subdivision_profile = pd.read_excel('../data/census_subdivision_profile.xlsx', sheetname='Data',
                                               index_col='Geography', encoding='utf-8').T
    print(census_subdivision_profile.head())
    print(census_subdivision_profile.shape)

    census_subdivision_profile.index = census_subdivision_profile.index.map(extract_id)
    print(census_subdivision_profile.index)

要查看完整代码，请参阅我之前发布的另一个问题

Merge dataframes that have indices that one contains another (but not the same)

Answer 1

我认为你打算'\(([^)]*)\)' ... hth

Answer 2

我不理解第2点和第3点之间的区别。在这两种情况下，您只想提取括号中的7位数字？在这种情况下，我对正则表达式更加明确，例如\((\d{7})\)

搜索模式不是唯一的？ - 正则表达式

2 个答案: