正規表現 - 私は以下の形式の文字列（例えば3行）を持つパンダのデータフレームdf.specで列を持っているパンダ＆パイソン

Question

を使用して：私が望む何

'PART A TO PART B - 2 features out of tolerance: A12C(dev=-3.7 mm) A14D(dev=-4.1 mm)' 

'PART C TO PART B - 1 feature out of tolerance: A14C(dev=-1.8 mm)' 

'PART Z-X TO PART C - 1 feature out of tolerance: A25C(dev=-6.2 mm)' 

がにあります以下のような形式でデータフレームにデータを解析することができる：

AREA   | POINT   | MEASUREMENT 

PART A TO PART B | A12C   | -3.7 

PART A TO PART B | A12D   | -4.1 

PART C TO PART B | A14C   | -1.8 

PART Z-X TO PART C | A25C   | -6.2 

誰かが、私はこれを実装する方法を私に説明するのに役立つことはできますか？

Answer 1

私はstr.extractを使用します。

注意：あなたが行のN個の項目の最大を持っているよ知っていればあなたはrange(1, N)とrange(1, 2)を置き換えることができます。

In [11]: s 
Out[11]: 
0 PART A TO PART B - 2 features out of tolerance... 
1 PART C TO PART B - 1 feature out of tolerance:... 
2 PART Z-X TO PART C - 1 feature out of toleranc... 
dtype: object 

In [12]: def chunk(i): 
    ...:  return r'(?P<junk_{}>\s(?P<number_{}>.*?)\(dev=(?P<size_{}>-?[\.0-9]+) mm\))'.format(i, i, i) 
    ...: 

In [13]: df = s.str.extract("(?P<part>.*?)\s-.*?:{}?.*?".format(chunk(0) + "?".join((chunk(i) for i in range(1, 2)))), expand=True) 

In [14]: df 
Out[14]: 
       part    junk_0 number_0 size_0    junk_1 number_1 size_1 
0 PART A TO PART B A12C(dev=-3.7 mm)  A12C -3.7 A14D(dev=-4.1 mm)  A14D -4.1 
1 PART C TO PART B A14C(dev=-1.8 mm)  A14C -1.8     NaN  NaN NaN 
2 PART Z-X TO PART C A25C(dev=-6.2 mm)  A25C -6.2     NaN  NaN NaN 

In [15]: df = s.str.extract("(?P<part_0>.*?)\s-.*?:{}?.*?".format(chunk(0) + "?".join((chunk(i) for i in range(1, 2)))), expand=True) 

In [16]: df 
Out[16]: 
       part_0    junk_0 number_0 size_0    junk_1 number_1 size_1 
0 PART A TO PART B A12C(dev=-3.7 mm)  A12C -3.7 A14D(dev=-4.1 mm)  A14D -4.1 
1 PART C TO PART B A14C(dev=-1.8 mm)  A14C -1.8     NaN  NaN NaN 
2 PART Z-X TO PART C A25C(dev=-6.2 mm)  A25C -6.2     NaN  NaN NaN 

In [17]: df.columns = pd.MultiIndex.from_tuples(df.columns.map(lambda x: tuple(x.split("_")))) 

In [18]: df 
Out[18]: 
       part    junk number size    junk number size 
        0     0  0  0     1  1  1 
0 PART A TO PART B A12C(dev=-3.7 mm) A12C -3.7 A14D(dev=-4.1 mm) A14D -4.1 
1 PART C TO PART B A14C(dev=-1.8 mm) A14C -1.8     NaN NaN NaN 
2 PART Z-X TO PART C A25C(dev=-6.2 mm) A25C -6.2     NaN NaN NaN 

In [19]: df1 = df.stack(level=1) 

In [20]: df1 
Out[20]: 
        junk number    part size 
0 0 A12C(dev=-3.7 mm) A12C PART A TO PART B -3.7 
    1 A14D(dev=-4.1 mm) A14D     NaN -4.1 
1 0 A14C(dev=-1.8 mm) A14C PART C TO PART B -1.8 
2 0 A25C(dev=-6.2 mm) A25C PART Z-X TO PART C -6.2 

最後に、我々は0よりも大きいそれらのための部分に記入：

In [20]: df1.part = df1.part.ffill() 

In [21]: df1 
Out[21]: 
        junk number    part size 
0 0 A12C(dev=-3.7 mm) A12C PART A TO PART B -3.7 
    1 A14D(dev=-4.1 mm) A14D PART A TO PART B -4.1 
1 0 A14C(dev=-1.8 mm) A14C PART C TO PART B -1.8 
2 0 A25C(dev=-6.2 mm) A25C PART Z-X TO PART C -6.2 

起こって多くがここでちょっとあります、重要なのは、あなたがする必要がある場合には（あなたの正規表現をブラッシュアップすることですこれでやってください）。

おそらく、あなたは "迷惑メール"の列を無効にしたいと思うでしょう！