大家好,我是皮皮。
一、前言
前几天在Python最强王者群【HZL】问了一个Python
正则表达式的问题,这里拿出来给大家分享下。
截图如下图所示:
单独跑的这一行,跑出了下图这个。
这个报错是你提取了4列,应该赋值给4列,而不应该是1列。
二、实现过程
这里【大锤子】给了一个思路,你可以把报错信息报回给GPT,让其帮忙解决。
后来【瑜亮老师】给了一个代码,如下所示:
df = pd.DataFrame({'price_range': ['R32 ($16,500,00.01 to $20,000,00)',
'R43 ($5,000,000.00 to $8,000,000.50)',
'R15 (below $1,000,000)']})
# re提取金额数字
df['temp'] = df['price_range'].map(lambda x: re.findall(r'\$([0-9,.]+)', x))
# 补全min和max
df['temp'] = df['temp'].map(lambda x: ['0'] + x if len(x) == 1 else x)
# 去掉原金额中的逗号
df['temp'] = df['temp'].map(lambda x: '。'.join(x).replace(',', ''))
# 将数据拆解为两列
df2 = df['temp'].str.split('。', expand=True)
df2.columns = ['min_price', 'max_price']
print(df2)
代码略显繁琐,实现了需求。顺利地解决了粉丝的问题。
后来【瑜亮老师】用pd.to_numeric转换字符串为浮点型,也是可以的。
代码如下:
方法二:
# # re提取金额数字
df['temp'] = df['price_range'].map(lambda x: re.findall(r'\$([0-9,.]+)', x))
# # 补全min和max
df['temp'] = df['temp'].map(lambda x: '。'.join(['0'] + x) if len(x) == 1 else '。'.join(x))
# 将数据拆解为两列
df2 = df['temp'].str.split('。', expand=True)
# 把金额数字转换为浮点型
df2 = df2.replace({',': ''}, regex=True).apply(pd.to_numeric)
df2.columns = ['min_price', 'max_price']
print(df2)
三、总结
大家好,我是皮皮。这篇文章主要盘点了一个Python
正则表达式的问题,文中针对该问题,给出了具体的解析和代码实现,帮助粉丝顺利解决了问题。
最后感谢粉丝【HZL】提问,感谢【༺࿈黑科技·鼓包࿈༻】、【大锤子】、【瑜亮老师】、【隔壁😼山楂】给出的思路和代码解析,感谢【eric】等人参与学习交流。
【提问补充】温馨提示,大家在群里提问的时候。可以注意下面几点:如果涉及到大文件数据,可以数据脱敏后,发点demo数据来(小文件的意思),然后贴点代码(可以复制的那种),记得发报错截图(截全)。代码不多的话,直接发代码文字即可,代码超过50行这样的话,发个.py文件就行。
[图片上传失败...(image-380e61-1684237515839)]