数据框替换正则表达式

Question

我目前正在尝试将一组 str 值替换为 python 中的 int 值，用于我的 Dataframe。 DataFrame 有 200 多列，包括 Age_Range、Car_Year、Car_Count、Home_Value、Supermarket_Spend_Per_week、Household_Income 等列。

我有以 a 开头的答案（在列中）。湾。 C。 d。 e. F。对于不同的响应。

例如 a.低于 2 万美元，b. 20 到 30,000 美元，c。 $30 到 $50k .. 等等。

我已通读 wiki 并知道如何用单词边界等替换。但我想用值 1 替换以 a 开头的任何匹配项，用值 2 替换以 b 开头的任何匹配项。

如何为我的 Dataframe 编写这个？我尝试的所有正则表达式函数都以无效的语法结束

我现在有

income
h. No Answer
f. $100 to $150k
c. $30 to $50k
b. $20 to $30k
b. $20 to $30k
c. $30 to $50k
h. No Answer

我想转换成的

income
8
5
3
2
2
3
7

作为一个整数，我可以更轻松地绘制结果图并搜索列之间的关系。

Answer 1

您在这里不需要正则表达式，只需创建一个查找表并根据该列的第一个字符应用于您的 DataFrame 的列，例如：

df['income'] = df['income'].apply(lambda L, rep={c:i for i,c in enumerate('abcdefh', 1)}: rep[L[0]])

给你：[7, 6, 3, 2, 2, 3, 7]

要将其应用于所有列，然后遍历列：

for column in df.columns:
    df[column] = df[column].apply(lambda L, rep={c:i for i,c in enumerate('abcdefh', 1)}: rep[L[0]])

Answer 2

这可能是实现目标的一种方式：

>>> re.sub(r"^([abcdef])", lambda x: str(ord(x.group(0))-ord('a')), "b. US$blah blabh")
'1. US$blah blabh' 

它的作用是“匹配字符串开头的字符 'a' 到 'f' 中的任何一个，并将其替换为该字符相对于字母 'a' 的偏移量的字符串表示形式”。对每一行文本重复。

通过一些额外的管道，您可以摆脱输入线的其余部分；有点不清楚你想要什么作为输出。