主页 / user-12466687

ViSa's questions

Martin Hope
ViSa
Asked: 2024-11-06 22:16:00 +0800 CST
  • 7

我有 pandas 数据框，我正在尝试选择多列（列范围从 开始Test到Bio Ref）。选择必须从列开始Test到名称以 开头的任何列Bio。以下是示例数据框。

实际上它可以包含：

  1. 列之前的任意数量的列Test，
  2. Test&之间的任意列数Bio Ref，如 2、3、4、5 等。
  3. 之后有任意数量的列Bio Ref。
  4. Bio Ref列中可以包含后缀，但Bio Ref始终作为列名的开头。
df_chunk = pd.DataFrame({
    'Waste':[None,None],
    'Test':['something', 'something'],
    '2':[None,None],
    '3':[None,None],
    'Bio Ref':['2-50','15-100'],
    'None':[None,None]})

df_chunk

   Waste         Test      2       3  Bio Ref  None
0   None    something   None    None     2-50  None
1   None    something   None    None   15-100  None

我已尝试过以下有效的代码：

df_chunk.columns.str.startswith('Bio')

df_chunk[df_chunk.columns[pd.Series(df_chunk.columns).str.startswith('Bio')==1]]

问题：但是当我尝试使用它们进行多列选择时，它不起作用：

df_chunk.loc[:, 'Test':df_chunk.columns.str.startswith('Bio')]
python
Martin Hope
ViSa
Asked: 2024-11-05 14:15:12 +0800 CST
  • 5

我试图从以数字或小数结尾的字符串中提取数字

df = pd.DataFrame({'Names': ["Absolute Neutrophil Count","Absolute Lymphocyte Count 2.9",
                       "Absolute Neutrophil Count 10.2","ESR (Modified Westergren) 8",
                        "Free Triiodothyronine (FT3) 3.59",
                        "Free Triiodothyronine FT4 4.53"]})

df


                         Names
0   Absolute Neutrophil Count
1   Absolute Lymphocyte Count 2.9
2   Absolute Neutrophil Count 10.2
3   ESR (Modified Westergren) 8
4   Free Triiodothyronine (FT3) 3.59
5   Free Triiodothyronine FT4 4.53

期望的提取结果：

0  Missing/None
1  2.9
2  10.2
3  8
4  3.59
5  4.53

我尝试了下面的代码，但没有得到预期的结果。

df.iloc[:,0].str.extract(r'^(.*?)\s*(\d\.?\d*)?$') #  '\d+\.\d+'

                           0      1
0   Absolute Neutrophil Count     NaN
1   Absolute Lymphocyte Count     2.9
2   Absolute Neutrophil Count 1   0.2
3   ESR (Modified Westergren)     8
4   Free Triiodothyronine (FT3)   3.59
5   Free Triiodothyronine FT4     4.53

请在答案中使用数据框形式的结构，.extract否则有时这里的答案可以re起作用strings，但是当我尝试应用它们时df，它就变成了别的东西。

python
Martin Hope
ViSa
Asked: 2024-11-04 15:43:34 +0800 CST
  • 6

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
Martin Hope
ViSa
Asked: 2024-10-20 16:25:35 +0800 CST
  • 5

我不是网页设计或网站/html 背景人士，并且是该领域的新手。

尝试从包含容器/卡片的此链接抓取元素。

我尝试了下面的代码并取得了一点成功，但不确定如何正确地执行它才能获取信息内容，而不会在结果中获取 html/css 元素。

from bs4 import BeautifulSoup as bs
import requests

url = 'https://ihgfdelhifair.in/mis/Exhibitors'

page = requests.get(url)
soup = bs(page.text, 'html')

我希望从以下内容中提取（作为实践）信息： 示例图片

cards = soup.find_all('div', class_="row Exhibitor-Listing-box")
cards

它显示的内容如下：

[<div class="row Exhibitor-Listing-box">
 <div class="col-md-3">
 <div class="card">
 <div class="container">
 <h4><b>  1 ARTIFACT DECOR (INDIA)</b></h4>
 <p style="margin-bottom: 5px!important; font-size: 13px;"><span>Email : </span> [email protected]</p>
 <p style="margin-bottom: 5px!important; font-size: 13px;"><span>Contact Person : </span>                                                   SHEENU</p>
 <p style="margin-bottom: 5px!important; font-size: 13px;"><span>State : </span> UTTAR PRADESH</p>
 <p style="margin-bottom: 5px!important; font-size: 13px;"><span>City : </span> AGRA</p>
 <p style="margin-bottom: 5px!important; font-size: 13px;"><span>Hall No. : </span> 12</p>
 <p style="margin-bottom: 5px!important; font-size: 13px;"><span>Stand No. : </span> G-15/43</p>
 <p style="margin-bottom: 5px!important; font-size: 13px;"><span>Mobile No. : </span> +91-5624010111, +91-7055166000</p>
 <p style="margin-bottom: 5px!important; font-size: 11px;"><span>Website : </span> www.artifactdecor.com</p>
 <p style="margin-bottom: 5px!important; font-size: 13px;"><span>Source Retail : </span> Y</p>
 <p style="margin-bottom: 5px!important; font-size: 13px;"><span>Vriksh Certified : </span> N</p>
 </div>

现在，当我使用下面的代码来提取元素时：

for element in cards:
    title = element.find_all('h4')
    email = element.find_all('p')
    print(title)
    print(email)

输出：它给了我所需的信息，但其中包含我不想要的 html/css 内容

[<h4><b>  1 ARTIFACT DECOR (INDIA)</b></h4>, <h4><b>  10G HOUSE OF CRAFT</b></h4>, <h4><b>  2 S COLLECTION</b></h4>, <h4><b>  ........]
[<p style="margin-bottom: 5px!important; font-size: 13px;"><span>Email : </span> [email protected]</p>, <p style="margin-bottom: 5px!important; font-size: 13px;"><span>Contact Person : </span>        ..................]

那么，我怎样才能从结果中取出标题、电子邮件、联系人、州、城市元素，而不包含 html/css？

python
Martin Hope
ViSa
Asked: 2024-10-16 16:49:28 +0800 CST
  • 7

我正在尝试根据检查条件在输出中创建 2 个新列，但不确定如何做到这一点。

样本 df：

so_df = pl.DataFrame({"low_limit": [1, 3, 0], "high_limit": [3, 4, 2], "value": [0, 5, 1]})

low_limit   high_limit  value
i64 i64 i64
1   3   0
3   4   5
0   2   1

有效的单列创建代码：

so_df.with_columns(pl.when(pl.col('value') > pl.col('high_limit'))
                   .then(pl.lit("High"))
                   .when((pl.col('value') < pl.col('low_limit')))
                   .then(pl.lit("Low"))
                   .otherwise(pl.lit("Within Range")).alias('Flag')
)

输出

low_limit   high_limit  value   Flag
i64 i64 i64                     str
1   3   0                       "Low"
3   4   5                       "High"
0   2   1                       "Within Range"

问题/疑问：创建 2 列无效

so_df.with_columns(pl.when(pl.col('value') > pl.col('high_limit'))
                   .then(Flag = pl.lit("High"), Normality = pl.lit("Abnormal"))
                   .when((pl.col('value') < pl.col('low_limit')))
                   .then(Flag = pl.lit("Low"), Normality = pl.lit("Abnormal"))
                   .otherwise(Flag = pl.lit("Within Range"), Normality = pl.lit("Normal"))
)

期望输出：

low_limit   high_limit  value   Flag             Normality
i64 i64 i64                     str              str
1   3   0                       "Low"            "Abnormal"
3   4   5                       "High"           "Abnormal"
0   2   1                       "Within Range"   "Normal"

我知道我可以再执行一次 with_Columns 并再次使用 when-then，但这将需要双倍的计算量。那么我如何才能一次性创建 2 个新列呢？

类似于：

if (condition):
   Flag = '',
   Normality = ''
python
Martin Hope
ViSa
Asked: 2024-09-17 22:12:29 +0800 CST
  • 5

我试图连接dataframesstreamlit 中以字符串开头的所有内容user_，但出现了错误。

示例代码：

import streamlit as st
import pandas as pd

st.set_page_config(page_title="Science",
                    layout='wide',
                    initial_sidebar_state="expanded")


# sample dataframes
st.session_state.user_df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
st.session_state.user_df2 = pd.DataFrame({'A': [5, 6], 'B': [7, 8]})
st.session_state.df3 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})


# list of dataframes starting with user_
st.session_state.users_list = [name for name in st.session_state if name.startswith('user_')]

st.write(st.session_state.users_list)

# using eval to evaluate string dataframe names
# st.write([eval(st.session_state.name) for st.session_state.name in st.session_state.users_list])

st.session_state.df_final = pd.concat([eval(st.session_state.name) for st.session_state.name 
                                       in st.session_state.users_list], 
                                       ignore_index=True)

st.table(st.session_state.df_final)

更新：

整个逻辑都可以正常工作，但我在streamlit中streamlit遇到了错误，不知道哪里出了问题。非常感谢您的帮助！！

这种没有 streamlit 的逻辑/代码是可行的：

import pandas as pd

user_df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
user_df2 = pd.DataFrame({'A': [5, 6], 'B': [7, 8]})

df3 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})


users_list = ['user_df1','user_df2']

print([eval(name) for name in users_list])

df_final = pd.concat([eval(name) for name in users_list],ignore_index=True)

print('----df_final------')
print(df_final)

输出：

[   A  B
0  1  3
1  2  4,    A  B
0  5  7
1  6  8]
----df_final------
   A  B
0  1  3
1  2  4
2  5  7
3  6  8
``
python
Martin Hope
ViSa
Asked: 2024-09-17 21:24:00 +0800 CST
  • 5

这可能听起来很傻，但我list包含数据框名称，并试图根据for 循环或列表理解或仅根据它们连接这些数据框。pd.concat()

代码示例：

import pandas as pd

df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [5, 6], 'B': [7, 8]})


print(df1)
print(df2)

我理解，这种连接是可行的

# ideally this is what I should have as list
users_list = [df1,df2]


print(users_list)

# this works that I know
print(pd.concat(users_list,ignore_index = True))

以下是我的情况，这种方法不起作用。那么我该如何处理呢？

# but this is what I have
users_list2 = ['df1','df2']

print(users_list2)


# but this is what I am trying to achieve as I have list of dataframe names due to some processing
print(pd.concat(users_list2,ignore_index = True))

所以我基本上面临的错误是由于users_list2包含名称/字符串数据框而不是数据框。

感谢任何帮助。

python
Martin Hope
ViSa
Asked: 2024-09-02 19:10:08 +0800 CST
  • 1

我有一段字符串"Desirable: < 200 Borderline HIgh: 200 - 240 High: > 240"，我只想提取唯一的数字或十进制值。

为了提取Number,Decimal,-我使用了这个正则表达式代码r'[^0-9.-]+'但它没有返回唯一值：

import re

check = "Desirable: < 200 Borderline HIgh: 200 - 240 High: > 240"
re.sub(r'[^0-9.-]+', '',check)

输出： 200200-240240

期望输出： 200-240

Numbers, Decimals,-请注意：从字符串中提取非常重要。

python
Martin Hope
ViSa
Asked: 2024-08-31 15:18:15 +0800 CST
  • 5

我试图从a中提取日期。日期只能从 2000 年及以后开始，但日期格式可以是任何格式，包括日期时间。column(Result)dataframe

我想要的只是约会。

是否有一种使用一些简单的正则表达式代码的简单方法来实现它？

数据集示例：

date_extract_df = pd.DataFrame({
'Result':[': XYZ',': 39 YRS/M',': Self',': HOME COLLECTION',': 10593974',
           ': 012408030006',': 03/08/2024',': 03/Aug/2024 11:50 AM',': 03/Aug/2024 03:24 PM',
            ' ','31.80','15'],
 'Unit':['dfd','dfdfd','tytyt','03/08/2024','fgf','tyt','xcx','ere','sds','03/Aug/2024 03:24 PM',
        '4545','5656']
})

Expected Result:

    0
    1
    2
    3
    4
    5
    6 03/08/2024
    7 03/Aug/2024
    8 03/Aug/2024
    9 03/Aug/2024
    10
    11

我不擅长正则表达式并尝试过以下代码：

date_extract_df.Result.str.extract(r"^[0,1]?\d{1}\/(([0-2]?\d{1})|([3][0,1]{1}))\/(([1]{1}[9]{1}[9]{1}\d{1})|([2-9]{1}\d{3}))$")

有没有办法找出列中包含日期的行，然后过滤该行以提取日期？

我正在尝试采用类似的方法：

datetime.datetime.isoformat(date_check['Result'][9])

date_check['Result'].apply(lambda x: datetime.datetime.isoformat(x))

python
Martin Hope
ViSa
Asked: 2024-08-29 19:17:09 +0800 CST
  • 4

我不擅长正则表达式，一直尝试但未能从 python 中的一列中提取。 numbers, decimals and -

如果可以删除空格就更好了，但如果不删除，那么仍然是可以管理的。

我已经测试过^(\d.+)|[-]和^(\d.+)|[-]?[^a-z]+$/i，但是^(\d.+)|[-]?(\d+)?它们都无法正常工作。

测试用例（基本上这些是格式不一致的范围）

28193.13
28913
28913-13
28193.13-28193.13
28193.13 - 28193.13
28193.13 - 28193.13 / cm
 - 28193.13
 -28193.13
 28913-
 28913 -

数据框

test_df = pd.DataFrame({"Range": [28193.13,28913,'28913-13','28193.13-28193.13',
'28193.13 - 28193.13','28193.13 - 28193.13 / cm', '- 28193.13','28913-','28913 -']})

test_df

尝试的代码：test_df['Range'].str.extract(r"^(\d.+)|[-]?[^a-z]+$/i")

上述案例的预期结果：

28193.13
28913
28913-13
28193.13-28193.13
28193.13-28193.13
28193.13-28193.13
-28193.13
-28193.13
28913-
28913-

问题：我无法28193.13 - 28193.13 / cm用我的正则表达式代码从中删除字符，因为期望的结果是28193.13-28193.13。

工具：我使用过这个正则表达式测试网站来测试正则表达式代码

感谢任何帮助。

python
Martin Hope
ViSa
Asked: 2024-08-28 01:38:17 +0800 CST
  • 5

我正在尝试使用 Python 将 转换text为dataframe。

样本文本： 'This is \nsample text\n\nName|age\n--|--\n1.abc|45\n2.xyz|34'

最终期望输出：

在此处输入图片描述

我为实现上述输出所遵循的步骤如下：

  1. 将文本分成多行并将其分配给变量：我曾尝试使用它print()来处理该文本formatted_text = print('This is \nsample text\n\nName|age\n--|--\n1.abc|45\n2.xyz|34')，但无法将其分配为print()返回NoneType，因此这里出现错误。

此步骤后的期望输出：

This is 
sample text

Name|age
--|--
1.abc|45
2.xyz|34
  1. 使用上面line break text存储在variable一个 CSV 文件中的内容，用分隔符读取，|创建一个数据框：我一直在考虑将其处理为pd.read_csv(formatted_text,sep='|', skipinitialspace=True)

此步骤后的期望输出：

在此处输入图片描述

我之前尝试在 SO 帖子中解释这个问题，但我想我解释得不太好，所以帖子被关闭了。我希望这次我能解释我的问题。这可能是一个愚蠢的任务，但我已经坚持了很长时间，如果能得到任何帮助，我将不胜感激。

python
Martin Hope
ViSa
Asked: 2024-08-26 02:25:06 +0800 CST
  • 5

我已经pdf file使用人工智能模型解析了，并获得了markdown保存在变量 doc_parsed中的解析结果。通过代码打印其示例内容如下print(doc_parsed[2].text[:1000])

# Details

|Name|Mr. XYZ|
|---|---|
|Age/Sex|XX YRS/X|
|Id.|01x40xxxxx|
|Refered By|Self|
|Collection On|xx/Aug/20xx 0x:x0AM|
|Collected By|xxxxxxx|
|Sample Rec. On|xx/Aug/20xx xx:x0 AM|
|Collection Mode|HOME COLLECTION|
|Reporting On|xx/Aug/20xx 0x:xx PM|
|BarCode|xxxxxx|

# Test Results

|Test Name|Result|Biological Ref. Int.|Unit|
|---|---|---|---|
|Electrolyte Profile, Serum| | | |
|SODIUM (Na+)|136.2|136 - 145|mmol/L|
|POTASSIUM (K+)|4.23|3.5 - 5.5|mmol/L|
|CHLORIDE(Cl-)|106.24|98.0 - 107|mmol/L|
|TOTAL CALCIUM (Ca)|9.00|8.6-10.2|mg/dL|
|IONIZED CALCIUM|4.52|4.4 - 5.4|mg/dl|
|NON-IONIZED CALCIUM|4.49|4.4 - 5.4|mg/dl|
|pH.(Method : ISE Direct)|7.39|7.35 - 7.45| |

问题：我尝试了几种方法将其拆分为带有分隔符的数据框列，例如使用&但都不起作用。|pd.read_csv()pd.read_table()

import pandas as pd
import io

pd.read_table(doc_parsed[2].text[:1000], sep="|")

ValueError：无效的文件路径或缓冲区对象类型：<class 'llama_index.core.schema.Document'>

import io 

input_text = io.StringIO(print(doc_parsed[2].text[:1000]))

pd.read_csv(input_text,header=None, delimiter="|", 
            usecols = ["Parameter Name", "Result","Unit","Reference Range"])

EmptyDataError：文件中没有要解析的列

pd.read_csv(input_text,header=None, delimiter="|")

EmptyDataError：文件中没有要解析的列

感谢任何帮助。

python