代码之家 › 专栏 › 技术社区 › Ryan

如何计算数据帧中正则表达式子字符串的匹配数,并将其作为新特性应用?

feature-selection lambda dataframe python

Ryan · 技术社区 · 6 年前

https 在字符串内 str ,我可以做: str.count("https")

但如何将其应用于数据帧的每一行?

Label    Text
0        Lorem ipsum dolor sit amet ð
1        Quis https://url.com/a nunc https://g.co/b elit ð
0        Donec https://url.com/c interdum libero,
0        Consectetur convallis inbox.gmail.com/d auctor.
1        Praesent ð¡ semper magna lorem

Label    Text                                             count_https
0        Lorem ipsum dolor sit amet ð                       0
1        Quis https://url.com/a nunc https://g.co/b elit ð  2
0        Donec https://url.com/c interdum libero,            1
0        Consectetur convallis inbox.gmail.com/d auctor.     0
1        Praesent ð¡ semper magna lorem                      0

下面是我最近一次尝试使用 .find("https") :

df.apply(lambda x: len([w for w in str(x).split() if w.find("https") != -1()]))

TypeError: 'int' object is not callable

2 回复 | 直到 6 年前

mad_ 6 年前

你可以用 count 但你还是想用lambda然后你就可以用 re

import re
df.apply(lambda x: len(re.findall('https',str(x))))

在这种情况下,可以调用-1()来更正您的解决方案int变量,而不是检查索引位置,该位置仅为-1

df.apply(lambda x: len([w for w in str(x).split() if w.find("https") != -1]))

DeepSpace 6 年前

不知道是不是错了,但是 -1()

无论如何,有一个更好的方法来实现你想要做的事情。可以使用矢量化 count . 矢量化操作几乎总是比 apply

df['count_https'] = df['Text'].str.count('https')

推荐文章

user1245262 · 筛选Pandas数据帧时出现问题

1 年前

Foroand · 熊猫数据帧中的词频计数耗时过长

1 年前

user14696236 · 如何为每个对应的列创建一行[重复]

2 年前

Shawn Hemelstrand · 为什么我的自定义errorbar函数不能在R中工作?

2 年前

Karim Abou El Naga · 将带字符串的DataFrame绘制到堆叠条形图中

2 年前

The Great · 拆分并存储数据帧,但名称基于特定列中的唯一值

2 年前

nickolakis · 基于R中的列名复制列

2 年前

opposity · 形成一个数据帧,该数据帧包含R中包含类别和子类别的列

2 年前

A. Handler · 有没有办法将数据帧的列与完整列名向量相匹配?

2 年前

JasonX · 运行减法计算

2 年前