在python中,如何根据整数在ID中的位置拆分字符串类型的ID?

d.p • 4 年前 • 1985 次点击

My pandas dataframe当前有一个名为BinLocation的列,其中包含仓库中物料的位置。例如: 如果零件位于A02列第33行,然后位于B21层,则BinLocation ID为A02033B21。对于某些列,格式可能是A0233B21。命名约定不一致,但这不取决于我,现在我必须清理数据。我想拆分字符串,这样对于BinLocation的任何给定输入,我都可以返回列、行和级别。最后,我想为dataframe创建3个新列(列、行、级别)。如果不清楚,ID的一般结构是 ColumnChar_ColumnInt_RowInt_ColumnChar_LevelInt

现在,对于某些位置,ID由连字符分隔,因此我为这些位置编写了以下代码:

def forHyphenRow(s):
    return s.split('-')[1]
def forHyphenColumn(s):
    return s.split('-')[0]

def forHyphenLevel(s):
    return s.split('-')[2]

除了其他ID,我该怎么做? 此外,在数据框中是否有将数据框中的列分组在一起的方法?(所以A02都分组在一起,CB-22都分组在一起,等等)

Python社区是高质量的Python/Django开发社区
本文地址：http://www.python88.com/topic/131264

文章 [ 2 ] | 最新文章 4 年前

• 1 楼

S Rawson 4 年前

如果字符串的前三个字符始终作为列,后三个字符作为级别(因此行作为中间的所有字符):

def forNotHyphenColumn(s):
    return s[:3]


def forNotHyphenLevel(s):
    return s[-3:]


def forNotHyphenRow(s):
    return s[3:-3]

然后,您可以通过为BinLocation项创建单独的DataFrame列并使用 df.sort_values() :

df = pd.DataFrame(data={"BinLocation": ["A02033B21", "C02044C12", "A0233B21"]})
# Create dataframe columns for BinLocation items
df["Column"] = df["BinLocation"].apply(lambda x: forNotHyphenColumn(x))
df["Row"] = df["BinLocation"].apply(lambda x: forNotHyphenRow(x))
df["Level"] = df["BinLocation"].apply(lambda x: forNotHyphenLevel(x))
# Sort values
df.sort_values(by=["Column"], ascending=True, inplace=True)

df
#Out: 
#  BinLocation Column  Row Level
#0   A02033B21    A02  033   B21
#2    A0233B21    A02   33   B21
#1   C02044C12    C02  044   C12

编辑:

也可以在中使用连字符函数 apply() :

df = pd.DataFrame(data={"BinLocation": ["A02033B21", "C02044C12", "A0233B21", "A01-33-C13"]})
# Create dataframe columns for BinLocation items
df["Column"] = df["BinLocation"].apply(lambda x: forHyphenColumn(x) if "-" in x else forNotHyphenColumn(x))
df["Row"] = df["BinLocation"].apply(lambda x: forHyphenRow(x) if "-" in x else forNotHyphenRow(x))
df["Level"] = df["BinLocation"].apply(lambda x: forHyphenLevel(x) if "-" in x else forNotHyphenLevel(x))
# Sort values
df.sort_values(by=["Column"], ascending=True, inplace=True)

df
#Out: 
#  BinLocation Column  Row Level
#3  A01-33-C13    A01   33   C13
#0   A02033B21    A02  033   B21
#2    A0233B21    A02   33   B21
#1   C02044C12    C02  044   C12

• 2 楼

constantstranger 4 年前

以下是一个答案:

使用Python正则表达式语法解析ID(处理带有或不带连字符的情况,如果需要,可以调整以适应历史ID的其他特性)
将ID设置为正规格式
为ID组件添加列
基于ID组件进行排序,以便将行“分组”在一起(尽管不是熊猫的“groupby”意思)

import pandas as pd
df = pd.DataFrame({'BinLocation':['A0233B21', 'A02033B21', 'A02-033-B21', 'A02-33-B21', 'A02-33-B15', 'A02-30-B21', 'A01-33-B21']})
print(df)
print()
df['RawBinLocation'] = df['BinLocation']
import re
def parse(s):
    m = re.match('^([A-Z])([0-9]{2})-?([0-9]+)-?([A-Z])([0-9]{2})$', s)
    if not m:
        return None
    tup = m.groups()
    colChar, colInt, rowInt, levelChar, levelInt = tup[0], int(tup[1]), int(tup[2]), tup[3], int(tup[4])
    tup = (colChar, colInt, rowInt, levelChar, levelInt)
    return pd.Series(tup)
df[['ColChar', 'ColInt', 'RowInt', 'LevChar', 'LevInt']] = df['BinLocation'].apply(parse)
df['BinLocation'] = df.apply(lambda x: f"{x.ColChar}{x.ColInt:02}-{x.RowInt:03}-{x.LevChar}{x.LevInt:02}", axis=1)
df.sort_values(by=['ColChar', 'ColInt', 'RowInt', 'LevChar', 'LevInt'], inplace=True, ignore_index=True)
print(df)

输出:

   BinLocation
0     A0233B21
1    A02033B21
2  A02-033-B21
3   A02-33-B21
4   A02-33-B15
5   A02-30-B21
6   A01-33-B21

   BinLocation RawBinLocation ColChar  ColInt  RowInt LevChar  LevInt
0  A01-033-B21     A01-33-B21       A       1      33       B      21
1  A02-030-B21     A02-30-B21       A       2      30       B      21
2  A02-033-B15     A02-33-B15       A       2      33       B      15
3  A02-033-B21       A0233B21       A       2      33       B      21
4  A02-033-B21      A02033B21       A       2      33       B      21
5  A02-033-B21    A02-033-B21       A       2      33       B      21
6  A02-033-B21     A02-33-B21       A       2      33       B      21

登录后回复