Python + Regex + CSV + Pandas:无法从字母数字值生成数字值

时间:2019-03-26 06:24:25

标签: python regex pandas csv

我正在从多页xlsx文件中获取数据并将数据存储在单独的csv文件中。 xslx中所有工作表的第一行存储在第一csv中,所有工作表的第二行存储在第二csv中,依此类推。现在,有时第3列到第10列的任何单元格都包含字母数字值,例如“ 1 pkt”。我只需要使这些值成为数字即可,例如“ 1”,这样我就可以将这些值提供给ML模型以进行预测。为此,我编写了一个代码:

xls = xlrd.open_workbook(r'Smallys ORDER.xlsx', on_demand=True)
df_list = []

names = xls.sheet_names()
names.remove('EVENT')

for i in range(191):
    rows = []
    for name in names:
        count = 0
        prod = pd.read_excel('Smallys ORDER.xlsx', name, index_col=None, header=0)
        prod['date'] = name
        prod.fillna(0, inplace=True)
        try:
            item = prod.iloc[i]
            item[3] = re.split('[a-z]+', item[3])[0]
            print(item[3])
            '''item[4] = item[4].split(sep, 1)[0]
            item[5] = item[5].split(sep, 1)[0]
            item[6] = item[6].split(sep, 1)[0]
            item[7] = item[7].split(sep, 1)[0]
            item[8] = item[8].split(sep, 1)[0]
            item[9] = item[9].split(sep, 1)[0]
            item[10] = item[10].split(sep, 1)[0]'''


            rows.append(item)

        except:
            print('Row finished !!!')


    writer = csv.writer(open('/home/hp/products/' + 'prod['+str(i)+'].csv', 'w')) 
    writer.writerow(prod.columns.tolist())
    writer.writerows(rows)    

print(item[3])语句不打印任何内容。另外,在生成的CSV中,仅打印标题。所有单元格都是空的。

编辑:

在应用任何正则表达式之前,这:

item = prod.iloc[i]
print(item[3])
print(type(item[3]))

打印此:

0
<class 'int'>
0
<class 'int'>
0
<class 'int'>
0
<class 'int'>
0
<class 'int'>
0
<class 'int'>
0
<class 'int'>
1 btl
<class 'str'>
0
<class 'int'>

所以值是整数或字符串。

从原始xlsx文件中抽取数据样本:

enter image description here

1 个答案:

答案 0 :(得分:1)

由于要将1 pkt之类的任何文本更改为1,而不是使用[a-z]+进行拆分,因此最好替换并更改此行:

item[3] = re.split('[a-z]+', item[3])[0]

收件人:

item[3] = re.sub(r'\D*', '', str(item[3]))

它将所有非数字字符替换为空字符串。

让我知道是否可行。如果没有,您可以打印item[3]的值并显示其打印内容吗?