मैं कैपेस को अलग कॉलम में स्थानांतरित करने के लिए रेगेक्स के साथ कॉलम कैसे विभाजित कर सकता हूं?

11

मैं regex का उपयोग करके एक कॉलम को विभाजित करने की कोशिश कर रहा हूं, लेकिन विभाजन को सही ढंग से प्राप्त करने के लिए प्रतीत नहीं हो सकता है। मैं सभी अनुगामी CAPS लेने और उन्हें एक अलग कॉलम में स्थानांतरित करने का प्रयास कर रहा हूं। इसलिए मुझे सभी CAPS मिल रहे हैं जो कि 2-4 CAPS हैं। हालाँकि, यह केवल 'Name'कॉलम छोड़ रहा है जबकि 'Team'कॉलम खाली है।

यहाँ मेरा कोड है:

import pandas as pd

url = "https://www.espn.com/nba/stats/player/_/table/offensive/sort/avgAssists/dir/desc"

df = pd.read_html(url)[0].join(pd.read_html(url)[1])
df[['Name','Team']] = df['Name'].str.split('[A-Z]{2,4}', expand=True)

मैं यह चाहता हूँ:

print(df.head(5).to_string())
   RK             Name POS  GP   MIN   PTS  FGM   FGA   FG%  3PM  3PA   3P%  FTM  FTA   FT%  REB   AST  STL  BLK   TO  DD2  TD3    PER
0   1  LeBron JamesLA  SF  35  35.1  24.9  9.6  19.7  48.6  2.0  6.0  33.8  3.7  5.5  67.7  7.9  11.0  1.3  0.5  3.7   28    9  26.10
1   2   Ricky RubioPHX  PG  30  32.0  13.6  4.9  11.9  41.3  1.2  3.7  31.8  2.6  3.1  83.7  4.6   9.3  1.3  0.2  2.5   12    1  16.40
2   3   Luka DoncicDAL  SF  32  32.8  29.7  9.6  20.2  47.5  3.1  9.4  33.1  7.3  9.1  80.5  9.7   8.9  1.2  0.2  4.2   22   11  31.74
3   4   Ben SimmonsPHIL  PG  36  35.4  14.9  6.1  10.8  56.3  0.1  0.1  40.0  2.7  4.6  59.0  7.5   8.6  2.2  0.7  3.6   19    3  19.49
4   5    Trae YoungATL  PG  34  35.1  28.9  9.3  20.8  44.8  3.5  9.4  37.5  6.7  7.9  85.0  4.3   8.4  1.2  0.1  4.8   11    1  23.47

यह बनने के लिए:

print(df.head(5).to_string())
   RK             Name    Team    POS  GP   MIN   PTS  FGM   FGA   FG%  3PM  3PA   3P%  FTM  FTA   FT%  REB   AST  STL  BLK   TO  DD2  TD3    PER
0   1  LeBron James        LA    SF  35  35.1  24.9  9.6  19.7  48.6  2.0  6.0  33.8  3.7  5.5  67.7  7.9  11.0  1.3  0.5  3.7   28    9  26.10
1   2   Ricky Rubio        PHX    PG  30  32.0  13.6  4.9  11.9  41.3  1.2  3.7  31.8  2.6  3.1  83.7  4.6   9.3  1.3  0.2  2.5   12    1  16.40
2   3   Luka Doncic        DAL    SF  32  32.8  29.7  9.6  20.2  47.5  3.1  9.4  33.1  7.3  9.1  80.5  9.7   8.9  1.2  0.2  4.2   22   11  31.74
3   4   Ben Simmons        PHIL    PG  36  35.4  14.9  6.1  10.8  56.3  0.1  0.1  40.0  2.7  4.6  59.0  7.5   8.6  2.2  0.7  3.6   19    3  19.49
4   5    Trae Young        ATL    PG  34  35.1  28.9  9.3  20.8  44.8  3.5  9.4  37.5  6.7  7.9  85.0  4.3   8.4  1.2  0.1  4.8   11    1  23.47

python regex pandas

— chitown88
स्रोत

9

आप की तरह एक regex का उपयोग करके दो स्तंभों में डेटा निकाल सकते हैं ^(.*?)([A-Z]+)$या ^(.*[^A-Z])([A-Z]+)$:

df[['Name','Team']] = df['Name'].str.extract('^(.*?)([A-Z]+)$', expand=True)

यह समूह "नाम" और समूह "टीम" में अंतिम अपरकेस अक्षरों में एक बड़े अक्षर के लिए सभी को नहीं रखेगा।

देखें regex डेमो # 1 और regex डेमो # 2

विवरण

^ - एक स्ट्रिंग की शुरुआत
(.*?)- समूह 1 पर कब्जा: किसी भी शून्य या अधिक चार्ट लाइन ब्रेक चार्ज के अलावा, संभव के रूप में कुछ
या
(.*[^A-Z]) - लाइन ब्रेक चार्ज के अलावा कोई भी शून्य या अधिक वर्ण, जितना संभव हो, अंतिम चार तक, जो कि ASCII अपरकेस अक्षर नहीं है (बाद के पैटर्न मैच को प्राप्त किया गया है) (ध्यान दें कि इस पैटर्न का अर्थ है कि कम से कम 1 चार्ट पहले है अंतिम बड़े अक्षर)
([A-Z]+) - समूह 2 पर कब्जा: एक या एक से अधिक ASCII अपरकेस अक्षर
$ - स्ट्रिंग का अंत।

— विकटोर स्ट्राइब्यू
स्रोत

1

मैंने फ़ंक्शंस में कुछ बदलाव किए हैं, आपको फिर से पैकेज जोड़ना पड़ सकता है।

इसका थोड़ा सा मैनुअल है, लेकिन मुझे उम्मीद है कि यह पर्याप्त होगा। आपका दिन अच्छा रहे!

df_obj_skel = dict()
df_obj_skel['Name'] = list()
df_obj_skel['Team'] = list()
for index,row in df.iterrows():
    Name = row['Name']
    Findings = re.search('[A-Z]{2,4}$', Name)
    Refined_Team = Findings[0]
    Refined_Name = re.sub(Refined_Team + "$", "", Name)
    df_obj_skel['Team'].append(Refined_Team)
    df_obj_skel['Name'].append(Refined_Name)
df_final = pd.DataFrame(df_obj_skel)
print(df_final)

— हैओक्टेन
स्रोत