提问者:小点点

更简单的python,相当于R风格的grep,包括多个要匹配的内容


这个问题几乎是这个问题的翻版,有一些调整。

获取以下数据帧,并获取其中包含“sch”或“oa”的列的位置。在R中非常简单:

df <- data.frame(cheese = rnorm(10),
                 goats = rnorm(10), 
                 boats = rnorm(10), 
                 schmoats = rnorm(10), 
                 schlomo = rnorm(10),
                 cows = rnorm(10))

grep("oa|sch", colnames(df))

[1] 2 3 4 5

write.csv(df, file = "df.csv")

现在在python中,我可以使用一些详细的列表理解:

import pandas as pd
df = pd.read_csv("df.csv", index_col = 0)
matches = [i for i in range(len(df.columns)) if "oa" in df.columns[i] or "sch" in df.columns[i]]

matches
Out[10]: [1, 2, 3, 4]

我想知道在python中是否有比上面的列表理解示例更好的方法。具体来说,如果我有几十个字符串要匹配呢。在R中,我可以做类似的事情

regex <- paste(vector_of_strings, sep = "|")
grep(regex, colnames(df))

但如何在python中使用列表理解来实现这一点并不明显。也许我可以使用字符串操作以编程方式创建在列表内部执行的字符串,以处理所有重复的语句?


共2个答案

匿名用户

使用熊猫的数据帧。要运行相同正则表达式的筛选器:

df.filter(regex = "oa|sch").columns
# Index(['goats', 'boats', 'schmoats', 'schlomo'], dtype='object')

df.filter(regex = "oa|sch").columns.values
# ['goats' 'boats' 'schmoats' 'schlomo']

数据

import numpy as np
import pandas as pd

np.random.seed(21419)

df = pd.DataFrame({'cheese': np.random.randn(10),
                   'goats': np.random.randn(10), 
                   'boats': np.random.randn(10), 
                   'schmoats': np.random.randn(10), 
                   'schlomo': np.random.randn(10),
                   'cows': np.random.randn(10)})

对于要搜索的多个字符串:

rgx = "|".join(list_of_strings)

df.filter(regex = rgx)

若要返回索引,请考虑来自@ Divakar的这个向量化的NUMPY解决方案。请注意,与R不同,Python是零索引的。

def column_index(df, query_cols):
    cols = df.columns.values
    sidx = np.argsort(cols)
    return sidx[np.searchsorted(cols,query_cols,sorter=sidx)]

column_index(df, df.filter(regex="oa|sch").columns)
# [1 2 3 4] 

匿名用户

也许您正在寻找re模块?

import re
pattern = re.compile("oa|sch")
[i for i in range(len(df.columns)) if pattern.search(df.columns[i])]
# [1, 2, 3, 4]

也许与R的矢量化相比不是最好的,但是列表理解应该是好的。

如果要将字符串连接在一起,可以执行以下操作

"|".join(("oa", "sch"))
# 'oa|sch'