时间戳

首页 > 解决方案 > Pandas DataFrame 中 str 计数的奇怪行为

python - Pandas DataFrame 中 str 计数的奇怪行为

问题描述

我有以下熊猫数据框：

>>> sample_dataframe
        P
0  107.35
1   99.35
2   75.85
3   92.34

当我尝试以下操作时，输出如下：

>>> sample_dataframe[sample_dataframe['P'].astype(str).str.count('.') == 1]

Empty DataFrame
Columns: [P]
Index: []

而使用正则表达式转义字符时，会发生以下情况：

>>> sample_dataframe[sample_dataframe['P'].astype(str).str.count('\.') == 1]

        P
0  107.35
1   99.35
2   75.85
3   92.34

以下进一步强化了这一点：

>>> sample_dataframe['P'].astype(str).str.count('.')

0    6
1    5
2    5
3    5
Name: P, dtype: int64

对比

sample_dataframe['P'].astype(str).str.count('\.')

0    1
1    1
2    1
3    1
Name: P, dtype: int64

因此，.表达式实际上将所有字符计为正则表达式通配符，减去换行符，因此计数 6, 5, 5, 5 与转义\.的 ，它只计算实际字符的出现.。

但是，从字符串本身调用的常规函数​​似乎表现不同，不需要 '.' 的正则表达式转义：

>>> '105.35'.count('.')
1

>>> '105.35'.count('\.')
0

编辑：根据一些答案，我将尝试澄清下面的类函数调用（而上面是实例化对象的方法调用）：

>>> str.count('105.35', '.')
1

>>> str.count('105.35', '\.')
0

我不确定在底层使用 CPython 的 Pandas 相关方法（由于 NumPy 操作）是否将其实现为正则表达式（包括 df.apply），或者这是否与str类函数count（即str.count()）与类函数的差异有关。实例化对象的str类方法（在上面的示例中'105.35'）count（即'105.35'.count()）。类与对象函数/方法之间的差异是根本原因（以及它们是如何实现的），还是由如何通过 NumPy 实现 DataFrame 引起的？

我真的很想了解更多关于这方面的信息，以真正了解它是如何工作的

标签： pythonregexstringpandas

解决方案

那是因为 Pandas.Series.str.count 和字符串计数方法不同。您可以在此处（https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.str.count.html#pandas.Series.str.count）看到 Pandas.Series.str。 count 将正则表达式作为参数。和 ”。” 正则表达式表示“任何符号”，而 str.count 获取提供的子字符串的计数（不是正则表达式）

推荐阅读