Question

嗨，我有一个数据集，如下所示：

Format,Message,time
A,ab@1 yl@5 rd@20 pp@40,3
B,bc@1 gn@7 yl@20 ss@25 rd@50, 21
C,cc@1 yl@9 rd@20, 22

我想使用从Messages的yl和rd中提取的数字，然后在其数字（例如yl @ 5 ---> 5）和时间列的数字之间进行数字比较。因此，如果将第1行，第3行与第5行和第20行进行比较，那么如果它小于两个元素，则将赋值为g。如果时间为7，则将分配值y，同样，如果其值为20或更高，则将其分配为r。

所以会像

Format,Message,time,status
A,ab@1 yl@5 rd@20 pp@40,3,g
B,bc@1 gn@7 yl@20 ss@25 rd@50,21,y
C,cc@1 yl@9 rd@20,22,r

Answer 1

您的问题实际上是很多问题。从“ dataframe”标签看来，您正在使用熊猫来进行此操作。您要查询的正则表达式可能会增加数字“ yl”和“ rd”（如果有的话，我假设它们始终存在）。但是正则表达式通常不进行数学或数值比较，因此仅占第三位。

与'yl'的数值匹配的正则表达式（假定为整数，而不是浮点数）：

r'yl@(\d+)'

您可以在单个表达式中提取它们，但前提是它们始终处于相同顺序，或者成为复杂的正则表达式。

要确保仅匹配yl@5，但不能匹配xyl@5，则可以对开始（要求空格或行首）和结束（要求空格或行尾）添加一些限制）：

r'(^|\s)yl@(\d+)($|\s)'

或者，如果您遇到yl像a:yl这样的名称分隔的情况，也可以添加它：

r'(^|\s)([a-z]+:)?l@(\d+)($|\s)'

但是，所有这些只是使用正则表达式语言构建更具体的表达式。 RegexBuddy是我喜欢使用（没有从属关系）的一个非常好的写正则表达式的工具，但是也有相当不错的在线工具，例如https://regex101.com/。

在代码示例中使用，基本上可以完成您建议的操作：

import re
from pandas import DataFrame

df = DataFrame({
    'Format': ['A', 'B', 'C'],
    'Message': ['ab@1 yl@5 rd@20 pp@40', 'bc@1 gn@7 yl@20 ss@25 rd@50', 'cc@1 yl@9 rd@20'],
    'time': [3, 21, 22]
})


def determine_status(row):
    def find(tag, message):
        match = re.search(rf"{tag}@(\d+)", message)
        if match:
            return match.group(1)
        else:
            raise ValueError(f'{tag} not in message.')

    yl = int(find('yl', row['Message']))
    rd = int(find('rd', row['Message']))

    time = int(row['time'])
    if time < yl < rd:
        return 'g'
    if yl <= time < rd:
        return 'y'
    return 'r'


df['status'] = df.apply(determine_status, axis=1)

print(df)

find函数使用一个标记和一条消息，并使用正则表达式为消息中的标记生成数值。

determine_status函数就是这样做的-它期望从DataFrame中获取一行，并将使用Message和time列来确定状态并返回状态。

df.apply然后用于创建新的status列，并为DataFrame中的每一行填充determine_status的结果。

您没有指定要使用的Python版本，但是如果它是Python 3.6之前的版本，则会发现f'{tag} not in message.'之类的表达式不起作用-而是使用诸如'{tag} not in message.'.format(tag=tag)。

Answer 2

我认为，这可以通过内置的字符串函数来完成。试试吧！

def f(mess):
    p1 = mess.find('yl')
    p2 = mess.find('rd')
    return int(mess[p1+3:].split(' ')[0]),int(mess[p2+3:].split(' ')[0])

df['vals'] =df['Message'].apply(f) 

df['status'] = df.apply(lambda row:  'g' if min(row['vals']) > row.time \
                        else 'y' if row.vals[1]>row.time  \
                        else 'r', axis=1)

print(df)

输出：

  Format                  Message  time      vals status
0      A    ab@1 yl@5 rd@20 pp@40     3   (5, 20)      g
1      B  bc@1  yl@20 ss@25 rd@50    21  (20, 50)      y
2      C          cc@1 yl@9 rd@20    22   (9, 20)      r

正则表达式使用python比较和提取字母字符

2 个答案: