邢台网站建设设计制作,文章发布在哪个平台好,北京好的建站团队,建立网站赚钱 优帮云1.数据拆分
pandas.Series.str.extract()
Series.str.extract(pat, flags0, expandTrue)[source]extract(提取)
参数
pat: 带分组的正则表达式。
flag: re模块中的标志#xff0c;例如re.IGNORECASE#xff0c;修改正则表达式匹配的大小写、空格等
expand: 默认为True0, expandTrue)[source]extract(提取)
参数
pat: 带分组的正则表达式。
flag: re模块中的标志例如re.IGNORECASE修改正则表达式匹配的大小写、空格等
expand: 默认为True如果为 True则返回每个捕获组一列的 DataFrame。如果为 False则如果有一个捕获组则返回 Series/Index如果有多个捕获组则返回 DataFrame
例子
jobs_df[site].head()
0 北京 海淀区 西山
1 北京 朝阳区 酒仙桥
2 北京 朝阳区 十里堡
3 北京 石景山区 八宝山
4 北京 朝阳区 三元桥
Name: site, dtype: object
使用extract提取地址关键词这里的?P是为组命名这样就能自动给定columns
jobs_df[site].str.extract(r(?Pcity\S{,})\s{0,3}(?Ppart\S{,})\s{0,3}(?Pstreet\S{,})).head() city part street
0 北京 海淀区 西山
1 北京 朝阳区 酒仙桥
2 北京 朝阳区 十里堡
3 北京 石景山区 八宝山
4 北京 朝阳区 三元桥
2.数据分箱
pandas.cut
pandas.cut(x, bins, rightTrue, labelsNone, retbinsFalse, precision3, include_lowestFalse, duplicatesraise, orderedTrue)
参数
x: 要分箱的一维数组或者序列。
bins: 整数或者序列定义分段的边界。整数表示等分的段数序列表示每个分段的具体边界。
right: 判断右边界是否闭合默认为True。如果right True, 则 bins [1, 2, 3, 4] 箱子为 (1,2], (2,3], (3,4]。(这个参数只影响右边界)
labels: 箱子的标签
例子
bj_df.head()姓名 出生年月 单位名称 积分分值 年龄
公示编号
202300001 张浩 1977-02-01 北京首钢股份有限公司 140.05 45
202300002 冯云 1982-02-01 中国人民解放军空军二十三厂 134.29 40
202300003 王天东 1975-01-01 中建二局第三建筑工程有限公司 133.63 48
202300004 陈军 1976-07-01 中建二局第三建筑工程有限公司 133.29 46
202300005 樊海瑞 1981-06-01 中国民生银行股份有限公司 132.46 41
bj_df[年龄段]
pd.cut(xbj_df.年龄,bins[35,40,45,50,60],rightFalse,labels[35-40,40-45,45-50,50-60])公示编号 姓名 出生年月 单位名称 积分分值 age box
0 202300001 张浩 1977-02-01 北京首钢股份有限公司 140.05 45 40-45
1 202300002 冯云 1982-02-01 中国人民解放军空军二十三厂 134.29 40 35-40
2 202300003 王天东 1975-01-01 中建二局第三建筑工程有限公司 133.63 48 45-50
3 202300004 陈军 1976-07-01 中建二局第三建筑工程有限公司 133.29 46 45-50
4 202300005 樊海瑞 1981-06-01 中国民生银行股份有限公司 132.46 41 40-45# 与bins4的结果一样
bj_df[box] pd.cut(bj_df[age], bins4, right False, labels[35-40,40-45,45-50,50-60])
bj_df.head()
