python - Pandas str.extract 从字符串字段检索字典

Question

假设我们有一个系列，其中包含如下字符串:

0                         FOO
1                         NaN
2                     FOO x 9
3                         NaN
4                         NaN
5                     FOO x 2
6                         NaN
7                         NaN
8          BAR x 2, BAZ  x 11
9                         NaN

我希望将其转换为数据框，这样我们最终会得到:

    FOO   BAR   BAZ
0     1     0     0
1     0     0     0
2     9     0     0
3     0     0     0
4     0     0     0
5     2     0     0
6     0     0     0
7     0     0     0
8     0     2    11
9     0     0     0

我们可以假设我们知道“键”列表(先验FOO、BAR和BAZ)。

这可以用str.extract实现吗？

Answer 1

假设您在这里显示的就是您所拥有的，即所有键值对都遵循该模式。 键 + 空格 + x + 空格 + 值，您可以使用 (?P<key>\w+)(?:\s+x\s+(?P<value>\d+))?捕捉它。对此进行分解:

• (?P<key>\w+)捕获命名组 key它由单词字符组成，即 [0-9A-Za-z_]如果情况并非如此，请调整此设置；
• (?:\s+x\s+(?P<value>\d+))?捕获一个可选组，如果值为 1，则该组将丢失；
• \s+x\s+捕获将在结果中被忽略的分割字符串；
• (?P<value>\d+)捕获另一个命名组 value由数字组成；

与extractall结合在一起如果有多个匹配项(如第 8 行的情况)，则生成多行:

df1 = (df[1].str.extractall("(?P<key>\w+)(?:\s+x\s+(?P<value>\d+))?")
            .fillna(1).reset_index(level=1, drop=True))
df1

df1提取所有键值对后给出一个缩减的数据集，要将其转换为您需要的格式，您可以将键列拆开以使其成为列标题，并使用原始数据框的索引对其重新索引:

df1.set_index('key', append=True).value.unstack(level=1).reindex(df.index).fillna(0)