我有一个数据框df，我希望列中的值进行特定的分隔以显示第一个单词和数字以及其“ T”值。我想用“-”分隔 的第一个“单词”及其#T值。除“ Azure”情况外，第一个单词由“ _”分隔
这很棘手，因为某些#T值用'-'分隔，而另一些#T值用'_'分隔。-12T中的值中的一个，以及_14T在另一个值我想维持类型列中的原始值
data = {'type': ['Azure_Standard_E64is_v4_SPECIAL_DB-A.0', 'Azure_Standard_E64is_v4_SPECIAL_DB-A.0', 'Hello-HEL-HE-A6123-123A-12T_TYPE-v.A', 'Hello-HEL-HE-A6123-123A-12T_TYPE-v.E', 'Hello-HEL-HE-A6123-123A-50T_TYPE-v.C', 'Hello-HEL-HE-A6123-123A-50T_TYPE-v.A', 'Happy-HAP-HA-R650-570A-90T_version-v.A', 'Kind-KIN-KI-T490-NET_14T-A.0', 'Kind-KIN-KI-T490-NET_14T-A.0', 'AY14.5-fyy-FY-R770-256G-6.4T-R1-v.A', 'AY14.5-fyy-FY-R770-256G-6.4T-R1-v.A'], 'free': [6, 5, 10, 5, 1, 2, 10, 7, 6, 3, 0], 'use': [1, 1, 10, 1, 4, 1, 0, 4, 3, 0, 20], 'total': [7, 6, 20, 6, 5, 1, 10, 3, 2, 3, 20]}
df = pd.DataFrame(data)
type free use total
0 Azure_Standard_E64is_v4_SPECIAL_DB-A.0 6 1 7
1 Azure_Standard_E64is_v4_SPECIAL_DB-A.0 5 1 6
2 Hello-HEL-HE-A6123-123A-12T_TYPE-v.A 10 10 20
3 Hello-HEL-HE-A6123-123A-12T_TYPE-v.E 5 1 6
4 Hello-HEL-HE-A6123-123A-50T_TYPE-v.C 1 4 5
5 Hello-HEL-HE-A6123-123A-50T_TYPE-v.A 2 1 1
6 Happy-HAP-HA-R650-570A-90T_version-v.A 10 0 10
7 Kind-KIN-KI-T490-NET_14T-A.0 7 4 3
8 Kind-KIN-KI-T490-NET_14T-A.0 6 3 2
9 AY14.5-fyy-FY-R770-256G-6.4T-R1-v.A 3 0 3
10 AY14.5-fyy-FY-R770-256G-6.4T-R1-v.A 0 20 20
期望的：
Name type free use total
Azure_Standard_E64is_v4_SPECIAL_DB-A.0 Azure 6 1 7
Azure_Standard_E64is_v4_SPECIAL_DB-A.0 Azure 5 1 6
Hello-HEL-HE-A6123-123A-12T_TYPE-v.A Hello 12T 10 10 20
Hello-HEL-HE-A6123-123A-12T_TYPE-v.E Hello 12T 5 1 6
Hello-HEL-HE-A6123-123A-50T_TYPE-v.C Hello 50T 1 4 5
Hello-HEL-HE-A6123-123A-50T_TYPE-v.A Hello 50T 2 1 1
Happy-HAP-HA-R650-570A-90T_version-v.A Happy 90T 10 0 10
Kind-KIN-KI-T490-NET_14T-A.0 Kind 14T 7 4 3
Kind-KIN-KI-T490-NET_14T-A.0 Kind 14T 6 3 2
AY14.5-fyy-FY-R770-256G-6.4T-R1-v.A AY14.5 6.4T 3 0 3
AY14.5-fyy-FY-R770-256G-6.4T-R1-v.A AY14.5 6.4T 0 20 20
正在做：
df['type']= df['type'].str.extract(r'(^\w+.\d|^\w+)')+' '+df['type'].str.extract(r'(\d.\d+T|\d+T)')
此操作在下面进行，但是'AZURE'值消失，并且不保留原始值。我仍在对此进行研究，我们将为您提供任何帮助。
您可以使用Series.str.replace与Series.str.cat和最后加Series.str.strip，也加入expand=False到Series.str.extract了Series。
对于新列，使用第二个位置DataFrame.insert。
s = (df['type'].str.replace('_','-')
.str.extract(r'(^\w+.\d|^\w+)', expand=False)
.str.cat(df['type'].str.extract(r'(\d.\d+T|\d+T)', expand=False),
sep=' ',
na_rep='')
.str.strip())
感谢@Trenton McKinney提供的另一种解决方案-拆分值并获取列表的第一个值：
s = (df['type'].str.split('_|-')
.str[0]
.str.cat(df['type'].str.extract(r'(\d.\d+T|\d+T)', expand=False),
sep=' ',
na_rep='')
.str.strip())
df = df.rename(columns={'type': 'Name'})
df.insert(1, 'type', s)
print (df)
Name type free use total
0 Azure_Standard_E64is_v4_SPECIAL_DB-A.0 Azure 6 1 7
1 Azure_Standard_E64is_v4_SPECIAL_DB-A.0 Azure 5 1 6
2 Hello-HEL-HE-A6123-123A-12T_TYPE-v.A Hello 12T 10 10 20
3 Hello-HEL-HE-A6123-123A-12T_TYPE-v.E Hello 12T 5 1 6
4 Hello-HEL-HE-A6123-123A-50T_TYPE-v.C Hello 50T 1 4 5
5 Hello-HEL-HE-A6123-123A-50T_TYPE-v.A Hello 50T 2 1 1
6 Happy-HAP-HA-R650-570A-90T_version-v.A Happy 90T 10 0 10
7 Kind-KIN-KI-T490-NET_14T-A.0 Kind 14T 7 4 3
8 Kind-KIN-KI-T490-NET_14T-A.0 Kind 14T 6 3 2
9 AY14.5-fyy-FY-R770-256G-6.4T-R1-v.A AY14.5 6.4T 3 0 3
10 AY14.5-fyy-FY-R770-256G-6.4T-R1-v.A AY14.5 6.4T 0 20 20
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句