使用Python

Question

我有一个提供了properties.csv的数据集（4000行和6列）。包含许多功能的csv文件，其中某些功能是数字功能，而某些功能是标称功能（功能包含文本）。假设该数据集中的特征是

id
F1 
F2
F3
F4 
Price 

每个功能的内容示例：

id（CSV文件中的第1至3行）---> 44525                                  44859                                  45465

F1（CSV文件中的第1至3行）--->“位于                                   黄金地带，马贝拉”                                  “别墅在马贝拉的罗西奥·纳杰勒斯出售                                   黄金里程”                                  “一间五层卧室的别墅在                                   Nagüeles”

F2（CSV文件中的第1至3行）--->“壁炉，电梯，露台，山景，                                    货运电梯，空调，天井，                                    客房，花园，阳台，海景，湖景                                    内置厨房”                                    “山顶风光”                                    “电梯，露台，警报系统，山区                                     景观，游泳池，空调，                                     地下室，可欣赏海景/湖面”

F3（CSV文件中的第1至3行）-包含数值---> 0                                                               0                                                               0

F4（CSV文件中的第1至3行）-包含数值---> 393                                                              640                                                              4903 F3（CSV文件中的第1至3行）-包含数值---> 4400000                                                              2400000                                                              1900000

在F1中，我希望执行以下操作：

1-提取属性的类型（公寓，房屋或别墅），并将其放在单独的功能（自变量）中，在CSV文件中调用“类型”。之后，我想将它们分成组（公寓组，房屋组，Vilas组），并计算每个类型组的平均价格。 2-提取每个属性的位置（位置可以是：Alenquer，Quinta da Marinha，Golden Mile和Nagüeles），并将其放在单独的功能（自变量）中，在csv文件中调用“ Location”。

我是NLP的初学者。我试图编写这段代码来从F1中提取信息“公寓”，但它可能无法正常工作：

import pandas as pd
from pandas import DataFrame
import re

properties = pd.read_csv (r'C:/Users/User/Desktop/properties.csv')
Extract "Apartment" from F1
Title= DataFrame(properties,columns= ['F1'])

for line in F1: 
        #return list of apartments in that line
        x = re.findall("\apartment", line) 
        #if a date is found
         if len(x) != 0:
         print(x)

我需要您的帮助来修复此代码，以及如何从F1中提取其他信息“房屋”和“别墅”。

然后，以这种格式创建属性数据集并将其保存为csv文件：

id
Location (Information extracted from F1)
type (information extracted from F1 in groups "apartments’, ‘houses’, ‘Villas’")
F1
F2
F3
F4
Price

如果F1不包含某些属性的类型“空白字段（无文本）”，我该怎么办以处理F1中的空白字段（无文本）并从其他属性中提取属性的类型？

Answer 1

这是一个解决方案：

import pandas as pd
import re

df = pd.read_csv('appt_info.csv', delimiter=';')

def extract_housing_type(text):
    # Do a regular expression search for the pattern
    match = re.search('(apartment|house|villa)s?', text, flags=re.I)
    if match is not None:
        return match.group(0)  # return the value of the match
    return 'Unknown'  # return a default value if there is no match


df['Type'] = df.F1.apply(lambda x: extract_housing_type(x))  # assign the output to a new column

这应该给你一个看起来像这样的数据框：

      id                                                 F1  \
0  44525  Stunning 6 bedroom villa in the heart of the G...   
1  44859  Villa for sale in Rocio de Nageles, Marbella G...   
2  45465      One level 5 bedroom villa for sale in Nageles   

                                                  F2  F3    F4    Price   Type  
0  Fireplace, Elevator, Terrace, Mountain view, F...   0   393  4400000  villa  
1                                      Mountain view   0   640  2400000  Villa  
2  Elevator, Terrace, Alarm system, Mountain view...   0  4903  1900000  villa