代码之家 › 专栏 › 技术社区 › Archit

如何从熊猫的一列中筛选出第一个出现的汉字并将其放入另一列中

chinese-locale pandas python

1

Archit · 技术社区 · 6 年前

我有一个数据框 df :

import pandas as pd
df = pd.DataFrame({"ID": [1,2,3,4,5],
           "eng_mand" :["å¾å±± 4.7Â·3 reviews Community Center ç«¹æåä¼éè¾²å ´",
                        "Taipei City å°åå¸Taiwan",
                        "ç¶ å±±è°·æµ·èåé¤å»³ 3.8Â·52 reviews",
                        "åé½åä¼éè¾²èminyangpuå¤§è³å",
                        "Menghuanhu"]})

看起来像:

   ID                                   eng_mand
0   1  å¾å±± 4.7Â·3 reviews Community Center ç«¹æåä¼éè¾²å ´
1   2                      Taipei City å°åå¸Taiwan
2   3                    ç¶ å±±è°·æµ·èåé¤å»³ 3.8Â·52 reviews
3   4                        åé½åä¼éè¾²èminyangpuå¤§è³å
4   5                                 Menghuanhu

我想从栏目中筛选出第一个出现的汉字 eng_mand 想把它放到另一个专栏里 mandarin_char 。我的最终输出必须如下所示:

   ID                                   eng_mand             mandarin_char          
0   1  å¾å±± 4.7Â·3 reviews Community Center ç«¹æåä¼éè¾²å ´        å¾å±±
1   2                      Taipei City å°åå¸Taiwan             å°åå¸
2   3                    ç¶ å±±è°·æµ·èåé¤å»³ 3.8Â·52 reviews         ç¶ å±±è°·æµ·èåé¤å»³
3   4                        åé½åä¼éè¾²èminyangpuå¤§è³å       åé½åä¼éè¾²è
4   5                                 Menghuanhu

在python-pandas中我如何做到这一点

2 回复 | 直到 6 年前

1

jezrael 6 年前

使用 str.extract 全部的 chinese chars 加上 fillna 替换 NaN 如果需要,s将空字符串:

df['mandarin_char'] = df['eng_mand'].str.extract(r'([\u4e00-\u9fff]+)').fillna('')
print (df)
   ID                                   eng_mand mandarin_char
0   1  å¾å±± 4.7Â·3 reviews Community Center ç«¹æåä¼éè¾²å ´            å¾å±±
1   2                      Taipei City å°åå¸Taiwan           å°åå¸
2   3                    ç¶ å±±è°·æµ·èåé¤å»³ 3.8Â·52 reviews      ç¶ å±±è°·æµ·èåé¤å»³
3   4                        åé½åä¼éè¾²èminyangpuå¤§è³å       åé½åä¼éè¾²è
4   5                                 Menghuanhu

2

0

EdChum Yuriy 6 年前

使用 str.findall 把正则表达式传给 mandarin range :

In[14]:
df['mandarin_char'] = df['eng_mand'].str.findall('[\u4e00-\u9fff]+').str[0]
df

Out[14]: 
   ID                                   eng_mand mandarin_char
0   1  å¾å±± 4.7Â·3 reviews Community Center ç«¹æåä¼éè¾²å ´            å¾å±±
1   2                      Taipei City å°åå¸Taiwan           å°åå¸
2   3                    ç¶ å±±è°·æµ·èåé¤å»³ 3.8Â·52 reviews      ç¶ å±±è°·æµ·èåé¤å»³
3   4                        åé½åä¼éè¾²èminyangpuå¤§è³å       åé½åä¼éè¾²è
4   5                                 Menghuanhu           NaN

你可以打电话 fillna('') 关于替换的结果 NaN 如果需要。