python - 如何使用正则表达式模式对列进行分类？

Question

• 我的问题是如何根据另一列中的内容在新列中添加一些值。
• 在我的具体情况下，我有一个数据框，其中有一列名为'Flop'，其中包含 3 个不同类别的字符串值
• 我可以使用正则表达式找到这些“类别”，并且基于每个类别，我想创建另一个名为'Suitedness'每个类别名称的列。

我的 df 的一个例子是：

import pandas as pd
df = pd.DataFrame()
df['Flop']=['As 5d 7c','As 9s 3s','8c 7d 5s','8d, As, Js','Qs Ts 8d','7s 2s 2d']

初始数据框

       Flop
   As 5d 7c
   As 9s 3s
   8c 7d 5s
 8d, As, Js
   Qs Ts 8d
   7s 2s 2d

我以这种方式解决问题：

Monotone = df[df['Flop'].str.contains('(\ws\s){2}\ws',na=False)]
Monotone['Suitedness']= 'Monotone'
Rainbow = df[df['Flop'].str.contains('(\wc\s.*)+|(\w.\s\wc.*)+|(\w[s,d,c]\s\w[s,d,c]\s\wc)+',na=False)]
Rainbow['Suitedness']= 'Rainbow'
DoubleSuited = df[df['Flop'].str.contains('((\ws\s){2}\w[d,c])+|(\ws\s\w[d,c]\s\ws)+|(\w[d,c]\s\ws\s\ws)+',na=False)]
DoubleSuited['Suitedness']= 'Double Suited'
df2 = pd.concat([Monotone,Rainbow,DoubleSuited])
df2 = df2.sort_index()

• 此代码创建 3 个不同的数据帧，并将它们连接起来。
  • 此解决方案有效，但不优雅。
  • 我正在寻找更清洁的解决方案。
• 同样，我的正则表达式语法有点乱。
  • 这 3 个类别是基于字母 's'、1、2 或 3 's'
  • 我还想要关于更好的正则表达式语法的提示。

最终数据框

     Flop     Suitedness
 As 5d 7c        Rainbow
 As 9s 3s       Monotone
 8c 7d 5s        Rainbow
 Qs Ts 8d  Double Suited
 7s 2s 2d  Double Suited

标签： pythonregexpandasdataframe

Answer 1

• 使用您的样本数据
• 此解决方案不会更改正在使用的正则表达式，它只会简化'Suitedness'每个字符串的设置'Flop'
  • 请参阅SO：Regex Tag Wiki以获取使正则表达式更高效的想法
  • 访问regex101以测试您的正则表达式。
• 使用您的正则表达式和相关短语创建字典
• 将pandas.Series.apply与列表推导一起使用，如果不匹配，则返回具有正确列表Suitedness或空列表的列表re.match。
  • 期望只有一个匹配或没有匹配，pandas.Series.explode用于返回索引 0 处的值。
    • 列表索引选择不适用于列表为空的情况（例如[][0]），因为它会导致IndexError
• 如果您不关心NaN值，请使用df = df.dropna()删除这些行。

import pandas as pd
import re

# create a dict of mappings
mapping = {'(\ws\s){2}\ws': 'Monotone',
           '(\wc\s.*)+|(\w.\s\wc.*)+|(\w[s,d,c]\s\w[s,d,c]\s\wc)+': 'Rainbow',
           '((\ws\s){2}\w[d,c])+|(\ws\s\w[d,c]\s\ws)+|(\w[d,c]\s\ws\s\ws)+': 'Double Suited'}

# apply a list comprehension
df['Suitedness'] = df.Flop.apply(lambda x: [v for k, v in mapping.items() if re.match(k, x)]).explode()

# display(df)
       Flop     Suitedness
   As 5d 7c        Rainbow
   As 9s 3s       Monotone
   8c 7d 5s        Rainbow
 8d, As, Js            NaN
   Qs Ts 8d  Double Suited
   7s 2s 2d  Double Suited