主页 / coding / 问题 / 79154573
Accepted
ViSa
Asked: 2024-11-04 15:43:34 +0800 CST

如何在 Pandas Python 中扩展满足特定条件的数据？

  • 772

我有一个 pandas 数据框，其中一些行数据以数字结尾，我需要拆分这些行中的结束数字并仅将这些数字移动到右边的列。

下面是一个示例 df：

check_df = pd.DataFrame({
             'Test': ["Absolute Neutrophil Count","Absolute Lymphocyte Count 2.9","Absolute Neutrophil Count"],
             'Result1': [6.56,2.8,5.5],
             'Result2': [5.14,2.6,4.8],
             'Result3': [4.69,"10~9/L",5.2],
             'Unit': ["10~9/L","1.0-3.0","10~9/L"],
             'Range': ["4.0-10.0",None,"4.0-10.0"]                      
             }) 

check_df


                Test             Result1    Result2 Result3 Unit      Range
0   Absolute Neutrophil Count       6.56    5.14    4.69    10~9/L    4.0-10.0
1   Absolute Lymphocyte Count 2.9   2.80    2.60    10~9/L  1.0-3.0   None
2   Absolute Neutrophil Count       5.50    4.80    5.2     10~9/L    4.0-10.0

我尝试使用以下正则表达式代码来找出以数字结尾的“测试”行：

check_df.iloc[:,0].str.contains(r'\d+$')

期望结果：

                Test             Result1    Result2 Result3 Unit      Range
0   Absolute Neutrophil Count       6.56    5.14    4.69    10~9/L    4.0-10.0
1   Absolute Lymphocyte Count        2.9    2.80    2.60    10~9/L    1.0-3.0
2   Absolute Neutrophil Count       5.50    4.80    5.2     10~9/L    4.0-10.0

疑问： 但我不确定如何仅根据索引或其他方法拆分那些行，以便所有行/列数据都可以采用正确对齐的数据表格式。

pandas

1 个回答

  1. Best Answer

    最好的办法是首先正确读取您的输入以避免错误。

    也就是说，您可以使用extract数字并识别不正确的行notna，然后shift和update：

    tmp = check_df.iloc[:,0].str.extract(r'^(.*?)\s*(\d\.?\d*)?$')

out = check_df.copy()
out.update(check_df.assign(Test=tmp[1]).loc[tmp[1].notna()].shift(axis=1))

out['Test'] = tmp[0]

    输出：

                            Test Result1  Result2 Result3    Unit     Range
0  Absolute Neutrophil Count    6.56     5.14    4.69  10~9/L  4.0-10.0
1  Absolute Lymphocyte Count     2.9     2.80     2.6  10~9/L   1.0-3.0
2  Absolute Neutrophil Count     5.5     4.80     5.2  10~9/L  4.0-10.0

    请注意，这不会神奇地修复数据类型。

    另一种方法可能是导出为 CSV，用正则表达式修复第一列并重新导入数据：

    import re
from io import StringIO

s = check_df.to_csv(index=False)

out = pd.read_csv(StringIO(re.sub(r'(\n[\w\s]+?)\s*(\d+\.\d*)(,[^\n]+),(\n|$)',
                                  r'\1,\2\3\4', s)))

    正则表达式演示

    产量和中间体：

    # out
                        Test  Result1  Result2  Result3    Unit     Range
0  Absolute Neutrophil Count     6.56     5.14     4.69  10~9/L  4.0-10.0
1  Absolute Lymphocyte Count     2.90     2.80     2.60  10~9/L   1.0-3.0
2  Absolute Neutrophil Count     5.50     4.80     5.20  10~9/L  4.0-10.0

# out.dtypes
Test        object
Result1    float64
Result2    float64
Result3    float64
Unit        object
Range       object
dtype: object

# s
Test,Result1,Result2,Result3,Unit,Range
Absolute Neutrophil Count,6.56,5.14,4.69,10~9/L,4.0-10.0
Absolute Lymphocyte Count 2.9,2.8,2.6,10~9/L,1.0-3.0,
Absolute Neutrophil Count,5.5,4.8,5.2,10~9/L,4.0-10.0

# fixed CSV
Test,Result1,Result2,Result3,Unit,Range
Absolute Neutrophil Count,6.56,5.14,4.69,10~9/L,4.0-10.0
Absolute Lymphocyte Count,2.9,2.8,2.6,10~9/L,1.0-3.0
Absolute Neutrophil Count,5.5,4.8,5.2,10~9/L,4.0-10.0
    • 0

相关问题