Question

我有以下数据集：

column1

HL111
PG3939HL11
HL339PG
RC--HL--PG

我正在尝试编写执行以下操作的函数：

遍历column1的每一行
仅拉字母并放入数组
如果数组中包含“ HL”，请从数组中删除它，除非HL是数组中的唯一单词。
取数组中的第一个单词并输出结果。

因此对于上面的示例，我的数组（第2步）将如下所示：

[HL]
[PG,HL]
[HL,PG]
[RC,HL,PG]

和我想要的最终输出（步骤4）如下所示：

desired_column

HL
PG
PG
RC

我有第2步的代码，它似乎工作正常

df['array_column'] = (df.column1.str.extractall('([A-Z]+)')
                    .unstack()
                    .values.tolist())

但是我不知道如何从这里到我的最终输出（步骤4）。

Answer 1

这是使用apply

的一种方法

演示：

import re
import pandas as pd

def checkValue(value):
    value = re.findall(r"[A-Z]{2}", value)
    if (len(value) > 1) and ("HL" in value):
        return [i for i in value if i != "HL"][0]
    else:
        return value[0]    

df = pd.DataFrame({"column1": ["HL111", "PG3939HL11", "HL339PG", "RC--HL--PG"]})
print(df.column1.apply(checkValue))

输出：

0    HL
1    PG
2    PG
3    RC
Name: column1, dtype: object

Answer 2

首先替换所有非字母，然后提取字母对，然后应用一些自定义逻辑从数组中提取必要的值，即可实现所需的目的：

>>> df['array_column'].str.replace('[^A-Z]+', '').str.findall('([A-Z]{2})').apply(lambda d: [''] if len(d) == 0 else d).apply(lambda x: 'HL' if len(x) == 1 and x[0] == 'HL' else [m for m in x if m != 'HL'][0])
0    HL
1    PG
2    PG
3    RC
Name: array_column, dtype: object
>>>

详细信息

.replace('[^A-Z]+', '')-删除所有大写字母以外的字符
.str.findall('([A-Z]{2})')-提取字母对
.apply(lambda d: [''] if len(d) == 0 else d)将添加一个空项目
.apply(lambda x: 'HL' if len(x) == 1 and x[0] == 'HL' else [m for m in x if m != 'HL'][0])-自定义逻辑：如果列表长度为1并且等于HL，请保留它，否则删除所有HL并获取第一个元素

Answer 3

您可以执行类似的操作（或可能更优雅的操作），使您已经拥有一个相当不错的结构，可以在其中使用groupby来完成解决方案

def extract_relevant_str(grp):
    ret_val = None
    if "HL" in grp[0].tolist() and len(grp) == 1:
        ret_val = "HL"
    elif len(grp) >= 1:
        ret_val = grp.loc[grp[0] != "HL", 0].iloc[0]
    return ret_val

items = df.column1.str.extractall('([A-Z]+)')
items.reset_index().groupby("level_0").apply(extract_relevant_str)

输出：

level_0
0    HL
1    PG
2    PG
3    RC
dtype: object

Python中的循环和字符串数组

3 个答案: