[FIXED] So kategorisieren Sie eine Spalte mit Regex-Mustern

Ausgabe

• Meine Frage ist, wie man einen Wert in eine neue Spalte einfügt, basierend auf dem Inhalt in einer anderen Spalte.
• In meinem speziellen Fall habe ich einen Datenrahmen mit einer Spalte namens 'Flop', die Zeichenfolgenwerte in 3 verschiedenen Kategorien enthält
• Ich kann diese “Kategorien” mit Regex finden, und basierend auf jeder Kategorie möchte ich eine weitere Spalte 'Suitedness'mit dem Namen jeder Kategorie erstellen.

Ein Beispiel für mein df ist:

import pandas as pd
df = pd.DataFrame()
df['Flop']=['As 5d 7c','As 9s 3s','8c 7d 5s','8d, As, Js','Qs Ts 8d','7s 2s 2d']

Anfänglicher Datenrahmen

       Flop
   As 5d 7c
   As 9s 3s
   8c 7d 5s
 8d, As, Js
   Qs Ts 8d
   7s 2s 2d

Ich löse das Problem folgendermaßen:

Monotone = df[df['Flop'].str.contains('(\ws\s){2}\ws',na=False)]
Monotone['Suitedness']= 'Monotone'
Rainbow = df[df['Flop'].str.contains('(\wc\s.*)+|(\w.\s\wc.*)+|(\w[s,d,c]\s\w[s,d,c]\s\wc)+',na=False)]
Rainbow['Suitedness']= 'Rainbow'
DoubleSuited = df[df['Flop'].str.contains('((\ws\s){2}\w[d,c])+|(\ws\s\w[d,c]\s\ws)+|(\w[d,c]\s\ws\s\ws)+',na=False)]
DoubleSuited['Suitedness']= 'Double Suited'
df2 = pd.concat([Monotone,Rainbow,DoubleSuited])
df2 = df2.sort_index()

• Dieser Code erstellt 3 verschiedene Datenrahmen und verkettet sie.
  
  • Diese Lösung funktioniert, ist aber unelegant.
  • Ich suche nach einer saubereren Lösung.
• Außerdem ist meine Regex-Syntax ein wenig chaotisch.
  
  • Die 3 Kategorien basieren auf den Buchstaben ‘s’, 1, 2 oder 3 ‘s’
  • Ich hätte auch gerne Tipps zur besseren Regex-Syntax.

Endgültiger Datenrahmen

     Flop     Suitedness
 As 5d 7c        Rainbow
 As 9s 3s       Monotone
 8c 7d 5s        Rainbow
 Qs Ts 8d  Double Suited
 7s 2s 2d  Double Suited

Lösung

• Verwenden Ihrer Beispieldaten
• Diese Lösung ändert nicht die verwendeten regulären Ausdrücke, sondern optimiert nur die Einstellung der 'Suitedness'einzelnen Zeichenfolgen'Flop'
  • Im SO: Regex-Tag-Wiki finden Sie Ideen, wie Sie die regulären Ausdrücke effizienter gestalten können
  • Besuchen Sie regex101 , um Ihre regulären Ausdrücke zu testen.
• Erstellen Sie ein Wörterbuch mit Ihren regulären Ausdrücken und zugehörigen Phrasen
• Verwenden Sie pandas.Series.apply mit einem Listenverständnis, das eine Liste mit der richtigen Suitednessoder eine leere Liste zurückgibt, wenn es keine Übereinstimmung mit gibt re.match.
  
  • Mit der Erwartung, dass es nur eine einzige Übereinstimmung oder keine Übereinstimmung geben wird, wird pandas.Series.explode verwendet, um den Wert bei Index 0 zurückzugeben.
    
    • Eine Listenindexauswahl funktioniert nicht für Fälle, in denen die Liste leer ist (z. B. [][0]), da dies zu einem führtIndexError
• Wenn Sie sich nicht mit NaNWerten befassen, verwenden Sie df = df.dropna(), um diese Zeilen zu entfernen.

import pandas as pd
import re

# create a dict of mappings
mapping = {'(\ws\s){2}\ws': 'Monotone',
           '(\wc\s.*)+|(\w.\s\wc.*)+|(\w[s,d,c]\s\w[s,d,c]\s\wc)+': 'Rainbow',
           '((\ws\s){2}\w[d,c])+|(\ws\s\w[d,c]\s\ws)+|(\w[d,c]\s\ws\s\ws)+': 'Double Suited'}

# apply a list comprehension
df['Suitedness'] = df.Flop.apply(lambda x: [v for k, v in mapping.items() if re.match(k, x)]).explode()

# display(df)
       Flop     Suitedness
   As 5d 7c        Rainbow
   As 9s 3s       Monotone
   8c 7d 5s        Rainbow
 8d, As, Js            NaN
   Qs Ts 8d  Double Suited
   7s 2s 2d  Double Suited

Beantwortet von – Trenton McKinney

Antwort geprüft von – Marie Seifert (FixError Admin)