Início / coding / Perguntas / 77842458
Accepted
principal-ideal-domain
Asked: 2024-01-19 05:17:01 +0800 CST

Extraindo o número máximo de strings do DataFrame (e alguns valores NaN)

  • 772

Veja o DataFrame:

import pandas as pd
import numpy as np
data=pd.DataFrame(['random 15 numbers 128 and 12 letters','12-5','page 65'],columns=['text'])

insira a descrição da imagem aqui

Quero extrair todos os números das strings e escrever o número máximo em uma nova coluna. Consegui isso com este código:

data['list']=data['text'].str.extractall('(\d+)').unstack().values.tolist()
data['max']=data['list'].apply(lambda row:max([int(x) for x in row if x is not np.nan]))

Isso resulta neste DataFrame:

insira a descrição da imagem aqui

Primeira pergunta: existe uma maneira mais elegante de fazer isso?

Meu problema real: meu código funciona apenas se não houver NaNvalor no meu DataFrame original. Como você adaptaria o código nesse caso? O resultado deve ser uma NaNcoluna para cada NaNvalor com o índice correto. Substitua a datalinha de definição pelo seguinte para fazer o problema aparecer:

data=pd.DataFrame(['random 15 numbers 128 and 12 letters','12-5','page 65',np.nan],columns=['text'])

Além disso, quero lidar com o código com entradas que não são NaNsenão strings sem número. Nesse caso, a lista intermediária deve estar vazia e a última linha deve estar NaN(esta última coisa é fácil de conseguir manipulando a última linha).

python

1 respostas

  1. Best Answer

    Não use uma lista como intermediária, vá diretamente com groupby.max:

    data['max'] = (data['text']
              .str.extractall('(\d+)')[0]
              .astype(int)
              .groupby(level=0).max()
              )

    Saída:

                                       text    max
0  random 15 numbers 128 and 12 letters  128.0
1                                  12-5   12.0
2                               page 65   65.0
3                                   NaN    NaN

    Se você precisar da lista e do máximo:

    g = (data['text']
     .str.extractall('(\d+)')[0]
     .astype(int)
     .groupby(level=0)
     )

data['list'] = g.agg(list)
data['max'] = g.max()

    Saída:

                                       text           list    max
0  random 15 numbers 128 and 12 letters  [15, 128, 12]  128.0
1                                  12-5        [12, 5]   12.0
2                               page 65           [65]   65.0
3                                   NaN            NaN    NaN
    • 1

relate perguntas