pandas 标注代码中括号内的内容

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

本例是将一个疑似编程代码的文本数据，提取出每个花括号的内容，并用序号进行标注。具体源数据可以看文本数据，需求结果可以先看看，最后得到的结果样例。

数据需求

以下是数据样例：

from io import StringIO
import pandas as pd
import numpy as np

# 数据
data = '''
a
create tb1 {
col1
col2
}
a
DF
k
DFGF
create tb2 {
col1
col2
}
a
f
FD
DFGF
create tb3 {
col1
col2
}
a
y
FD
DFGF
create tb4 {
col1
col2
}
a
s
FD
DFGF
'''

df = pd.read_csv(StringIO(data))
df
# ...

需求为将大括号 { 和 } 之间的数据标注出来，然后标记为括号对的序号，从 1 开始。

思路

读取数据后，后用 .str 访问器的一系列方法对 a 列的相关信息进行解析。即：

先标记出有没有包含大括号，得到一个布尔序列，转为 int 即一个 0、1 序列
对这个 0、1 序列累加操作，得到一个包含括号域与不包含括号域的所有序列
对右括号做特殊处理，减去 1 与所在括号区域一致
将奇序区域保留，偶序区域置为空，奇序区域为了保持顺序做算术转换并转为整型

具体代码效果可查看下方的链式代码，注释掉后部代码可看前边每一步执行效果。

代码

最终代码如下：

# 操作代码
(
    df.assign(b=df.a.str.contains(r'{|}').astype(int))
    .assign(c=lambda x: x.b.cumsum())
    .assign(c=lambda x: np.where(df.a.str.contains(r'}'), x.c-1, x.c))
    .assign(d=lambda x: np.where(x.c%2==1, (x.c/2+1).astype(int), pd.NA))
)
'''
               a  b  c     d
0   create tb1 {  1  1     1
1           col1  0  1     1
2           col2  0  1     1
3              }  1  1     1
4              a  0  2  <NA>
5             DF  0  2  <NA>
6              k  0  2  <NA>
7           DFGF  0  2  <NA>
8   create tb2 {  1  3     2
9           col1  0  3     2
10          col2  0  3     2
11             }  1  3     2
12             a  0  4  <NA>
13             f  0  4  <NA>
14            FD  0  4  <NA>
15          DFGF  0  4  <NA>
16  create tb3 {  1  5     3
17          col1  0  5     3
18          col2  0  5     3
19             }  1  5     3
20             a  0  6  <NA>
21             y  0  6  <NA>
22            FD  0  6  <NA>
23          DFGF  0  6  <NA>
24  create tb4 {  1  7     4
25          col1  0  7     4
26          col2  0  7     4
27             }  1  7     4
28             a  0  8  <NA>
29             s  0  8  <NA>
30            FD  0  8  <NA>
31          DFGF  0  8  <NA>
'''

以上代码保留了操作过程，d 列为最终需求想要的效果。

（完）

pandas 标注代码中括号内的内容

数据需求

思路

代码

相关内容