在大熊貓的數據幀與標點符號標識行

我有名字的數據幀被解析：在大熊貓的數據幀與標點符號標識行

**FIRST_NAME** 
    Jon 
    Colleen 
    William 
    Todd 
    J.- 
    &Re Inc 
    123Trust

我創建一個列標誌的名稱，如果它是好還是壞：

df['BAD']=pd.Series(np.zeros(1),index = df.index) 

    **FIRST_NAME**  **BAD** 
    Jon      0 
    Colleen     0 
    William     0 
    Todd     0 
    J-Crew     0 
    &Re Inc     0 
    123Trust    0

如果FIRST_NAME包含標點，數字或空格，我想更新BAD = 1。

**FIRST_NAME**  **BAD** 
    Jon      0 
    Colleen     0 
    William     0 
    Todd     0 
    J-Crew     1 
    &Re Inc     1 
    123Trust    1

這裏是我的代碼：

punctuation = '!"#$%&\'()*+,-./:;<=>[email protected][\\]^_`{|}~ 1234567890' 
    i=0 
    while i <int(len(dfcopy)): 
     for p in punctuation1: 
      if (df['Bad'][i]==1): 
       df['Bad'][i]=1 
      elif(p in list(df.iloc[i,1])and df['Bad'][i]==0): 
       df['Bad'][i]=1 
      else: 
       df['Bad'][i]=0 
     i=i+1

有沒有辦法更快地做到這一點？

來源

2014-10-27 jgaw

df['Bad'] = df.First_Name.map(lambda v: any(char in v for char in punctuation))

另一種可能性：使您的標點符合punctuation = set(punctuation)。然後，你可以這樣做：

df['Bad'] = df.First_Name.map(lambda v: bool(set(v) & punctuation))

此外，如果你真的只是想知道，如果字符串中的所有字符是字母，你可以這樣做：

df['Bad'] = df.First_Name.map(lambda v: v.isalpha())

來源

2014-10-27 19:08:24 BrenBarn

謝謝！我用「set」來使用你的第二個解決方案。 – jgaw 2014-10-27 19:20:24

另一種解決方案，利用串功能大熊貓系列：

In [130]: temp 
Out[130]: 
     index     time complete 
row_0  2     test   0 
row_1  3 2014-10-23 14:00:00   0 
row_2  4 2014-10-26 08:00:00   0 
row_3  5 2014-10-26 10:00:00   0 
row_4  6 2014-10-26 11:00:00   0 

In [131]: temp.time.str.contains("""[!"#$%&\'()*+,-./:;<=>[email protected][\\]^_`{|}~ 1234567890]""") 
Out[131]: 
row_0 False 
row_1  True 
row_2  True 
row_3  True 
row_4  True 
Name: time, dtype: bool 

In [135]: temp['is_bad'] = temp.time.str.contains("""[!"#$%&\'()*+,-./:;<=>[email protected][\\]^_`{|}~1234567890]""").astype(int) 


In [136]: temp 
Out[136]: 
     index     time complete is_bad 
row_0  2     test   0  0 
row_1  3 2014-10-23 14:00:00   0  1 
row_2  4 2014-10-26 08:00:00   0  1 
row_3  5 2014-10-26 10:00:00   0  1 
row_4  6 2014-10-26 11:00:00   0  1

pandas.Series.str.contains可以接受一個正則表達式模式來匹配

來源

2014-10-30 04:23:05

在大熊貓的數據幀與標點符號標識行

回答

相關問題