Question

在下面的字符串中我想提取siteID（“=”之后的5位数字id）以获取新数据帧中的值，我需要高效的代码，因为我必须执行超过50万行的此任务。

FSP10001GFelt
Label=G_4201_K1108_SHMAIIGNDA_3, SiteID=32013
Label=G_MUNUNGA_QUARRY_1, SiteID=26241, LogicRNCID=3

Answer 1

正如@Arndt Jonasson所说，你可以使用正则表达式：

import re

my_string = '''FSP10001GFelt
Label=G_4201_K1108_SHMAIIGNDA_3, SiteID=32013
Label=G_MUNUNGA_QUARRY_1, SiteID=26241, LogicRNCID=3'''

re.findall('(?<=SiteID=)\d+', my_string)  # returns ['32013', '26241']

Answer 2

这是通过pandas的一种方式。我建议你进行基准测试，看看哪种方法能够最好地处理您的数据和设置。

import pandas as pd
from io import StringIO

mystr = StringIO("""FSP10001GFelt
Label=G_4201_K1108_SHMAIIGNDA_3, SiteID=32013
Label=G_MUNUNGA_QUARRY_1, SiteID=26241, LogicRNCID=3""")

# replace mystr with 'file.csv'
df = pd.read_csv(mystr, skiprows=1, usecols=[1], header=None, sep=', ', index_col=False)

res = list(map(int, df[1].str.split('=').str[-1]))

# [32013, 26241]

Answer 3

由于其灵活性和简单性，我会将RegEx用于此类任务。

这是一个有效的例子：

import re

data = "FSP10001GFelt\nLabel=G_4201_K1108_SHMAIIGNDA_3, SiteID=32013\nLabel=G_MUNUNGA_QUARRY_1, SiteID=26241, LogicRNCID=3"
matches = re.findall(r'.*SiteID=(\d+).*', data)

for match in matches:
    print match

字符串切片基于关键字

3 个答案: