代码之家 › 专栏 › 技术社区 › 324

Pandas-从文本中分离章节编号

data-cleaning dataframe string pandas python-3.x

-1

324 · 技术社区 · 2 年前

我在熊猫数据框架中有一列,格式如下:

ColumnA
========
4 Requirements
Requirement blah blah
Requirement blah blah blah
4.1.1 Requirement Subsection
4.1.1.1 Requirement subsection subsection
blah blah blah
...

我正试着把数字和文字分开。换句话说,我想要两列,如下所示:

ColA      ColB
=================================
4         Requirements
          Requirement blah blah
          Requirement blah blah blah
4.1.1     Requirement Subsection
4.1.1.1   Requirement subsection subsection
          blah blah blah
...

如果记录存在,则节号将始终位于记录的开头。我怎样才能完成这样的事情?

1 回复 | 直到 2 年前

mozway 2 年前

您可以使用 str.extract :

df['ColumnA'].str.extract('^(\d+[.\d]*)?\s*(.*)')

# or with named capturing groups
df['ColumnA'].str.extract('^(?P<ColA>\d+[.\d]*)?\s*(?P<ColB>.*)')

输出:

      ColA                               ColB
0        4                       Requirements
1      NaN              Requirement blah blah
2      NaN         Requirement blah blah blah
3    4.1.1             Requirement Subsection
4  4.1.1.1  Requirement subsection subsection
5      NaN                     blah blah blah

推荐文章

Hecha · Python中的数据清理:与“字符”作斗争

2 年前

HAMZA ELRHAZI · 如何在Java中使用Weka API将字符串属性转换为标称属性

7 年前

nariver1 · 如何根据R中的条件将数据从一列复制到另一列?

7 年前

Nautica · 将数据帧中的两个凌乱向量拆分为一个公共列

7 年前

Prometheus · R在不同组中完全删除重复项

7 年前

Thabra · Pandas-从列中的浮点数中删除字符串

7 年前

Kang · Python数据框架:用单索引列组合/替换多索引列

7 年前

Nelson · 使用子集识别和纠正数据集中的打字错误

7 年前

PeCaDe · 按列清除数据帧条件

7 年前

Oct · 分隔符位置错误

7 年前