1

Имеется df с колонками col1 и col2. Задача состоит в том, что в случае наличия в col1 определенного значения, например '0&&&&', выполнялось доопределение данных из col2 с помощью регулярки pattern = r'\d{2}U[A-Z]{2}' и записывалось в col1. Запись должна выполняться только при нахождении одного совпадения. Мое решение:

df = pd.DataFrame({'col_1': ['0&&&&','0&&&&','1&&&&'], 
                   'col_2': ['Протон 13UBN','out 00UBN 10UKA', '10UBB'], 
                   index=1, 2, 3})
def define_units(row):
    pattern = r'\d{2}U[A-Z]{2}'
    if row['col1'] == '0&&&&':
        result = re.findall(pattern, row['col2'])
        if len(result) == 1:
            return result[0]
        else: 
            return row['col1']
    else:
        return row['col1']

df['col1'] = df.apply(define_units, axis=1)  

Было:

Index  col1    col2
1     0&&&&   Протон 13UBN
2     0&&&&  out 00UBN 10UKA
3     0&&&&  10UBB

Стало:

Index  col1    col2
1     13UBN   Протон 13UBN
2     0&&&&  out 00UBN 10UKA
3     0&&&&  10UBB

Возникшие сложности:

1) Хотел бы значение условия if row['unit'] == '0&&&&', а именно, (0&&&&), передавать в функцию параметрически. Не очень понимаю, как это можно сделать.

2) Хотел бы записывать в df только доопределенные данные. А при данном подходе приходиться еще и перезаписывать данные не удовлетворяющие условию.

2
  • Вы можете привести больше примеров, включая те, где заменять строки не надо и привести пример того что должно получиться на выходе? 14 мая 2019 в 11:46
  • Подправил в описании. Под условия подошел только 1-й элемент фрейма. 2-й не подходит по условию: if len(result) == 1: (нужно только единственное совпадение с шаблоном). 3-й не подходит по условию: if row['col1'] == '0&&&&':. При отсутствии совпадения, перезаписываю текущие данные, что бы не потерять: else: return row['col1']. В идеале, нужна функция с параметрами: row, pattern, значение для условия (0&&&&), col1 и col2. Можно использовать индекс. Результат от этого меняться не должен, просто в моем случае, данные с индексами 2 и 3 - перезаписываются. Хотел бы этого избежать. 14 мая 2019 в 12:41

1 ответ 1

1

Исходный DF:

In [29]: df = pd.DataFrame({'col_1': ['0&&&&','0&&&&','1&&&&'],
    ...:                    'col_2': ['Протон 13UBN','out 00UBN 10UKA', '10UBB']},
    ...:                    index=[1, 2, 3])

In [30]: df
Out[30]:
   col_1            col_2
1  0&&&&     Протон 13UBN
2  0&&&&  out 00UBN 10UKA
3  1&&&&            10UBB

Вспомогательный Series:

In [31]: tmp = df['col_2'].str.findall(r'\d{2}U[A-Z]{2}')

In [32]: tmp
Out[32]:
1           [13UBN]
2    [00UBN, 10UKA]
3           [10UBB]
Name: col_2, dtype: object

Замена:

In [33]: df.loc[(df['col_1'] == '0&&&&') & tmp.str.len() == 1, 'col_1'] = tmp.str[0]

Результат:

In [34]: df
Out[34]:
   col_1            col_2
1  13UBN     Протон 13UBN
2  0&&&&  out 00UBN 10UKA
3  1&&&&            10UBB

PS df.apply(function, axis=1) - один из самых медленных способов работы с Pandas DataFrame

PPS все функции поиска и замены в Pandas работают с единственным RegEx шаблоном - передать сразу несколько шаблонов не получится. Вместо этого иногда можно использовать более сложные шаблоны.

1
  • Спасибо, MaxU! Красиво 14 мая 2019 в 13:36

Ваш ответ

Нажимая на кнопку «Отправить ответ», вы соглашаетесь с нашими условиями использования и подтверждаете, что прочитали и поняли наши политику конфиденциальности и нормы поведения.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.