盘点csv文件中工作经验列工作年限数字正则提取的四个方法

Python进阶者

发布于 2022-06-05 01:18:49

1.6K00

代码可运行

文章被收录于专栏：Python爬虫与数据挖掘Python爬虫与数据挖掘

运行总次数：0

代码可运行

吾爱孟夫子，风流天下闻。

大家好，我是Python进阶者。

一、前言

前几天在Python黄金交流群有个叫【安啦!】的粉丝问了一个Python正则表达式提取数字的问题，这里拿出来给大家分享下，一起学习下。

代码截图如下：

可能有的粉丝不明白，这里再补充下。下图是她的原始数据列，关于【工作经验】列的统计。

现在她的需求是将工作年限提取出来，用于后面的多元回归分析。

二、解决过程

这里提供四个解决方法，感谢【Python进阶者】和【月神】提供的方法。前面两种是【Python进阶者】的，后面两个是【月神】提供的，一起来学习下吧！

方法一

代码如下：

def work_year(y):
    y = y.strip()
    if y == '无需经验':
        return 0
    elif y == '在校生/应届生':
        return 0
    elif '-' in y and '年经验' in y:
        low_experience = re.findall(re.compile('(\d*\.?\d+)'), y)[0]
        high_experience = re.findall(re.compile('(\d?\.?\d+)'), y)[1]
        s = round((float(low_experience) + float(high_experience)) / 2, 0)
        return s
    elif '年经验' in y or '年以上经验' in y:
        year = re.findall(re.compile('^(\d+)'), y)[0]
        return year
    else:
        return y
df['new']=df['工作经验'].apply(work_year)
df.head()

运行结果如下图所示：

方法二

代码如下：

def work_year(y):
    if y == '无需经验':
        return 0
    elif y == '在校生/应届生':
        return 0
    elif '-' in y:
        low_experience = re.findall(re.compile('(\d*\.?\d+)'), y)[0]
        high_experience = re.findall(re.compile('(\d?\.?\d+)'), y)[1]
        s = round((float(low_experience) + float(high_experience)) / 2, 0)
        return s
    elif y[0].isnumeric():
        year = re.findall(re.compile('^(\d+)'), y)[0]
        return year
    else:
        return y
df['col1'] = df['工作经验'].str.strip().apply(work_year)
df

运行结果如下图所示：

方法三

代码如下：

def work_year(y):
    search_year = re.search(r'(\d+)?-?(\d+)', y)
    
    def average(args):
        x = tuple(args)
        length = len(x)
        return round(sum(x) / length, 0)
    
    if search_year:
        return average([int(i) for i in search_year.groups() if i])
    else:
        return 0
        
    
df['new1'] = df['工作经验'].apply(work_year)

这里只需要写一个正则表达式就行了，如果取到值就对取到的值求平均，没有就返回0。

运行结果如下图所示：

方法四

代码如下：

df['new2'] = df['工作经验'].str.extract(r'(\d+)?-?(\d+)').astype(float).mean(axis=1).fillna(0).round(0)

这个是用str.extract提取正则，正则表达式和上面一样，用了很多的链式方法，运行结果如下图所示：

所以代码简单了，但是可能不太好懂。

三、总结

大家好，我是Python进阶者。这篇文章基于粉丝提问，盘点了csv文件中工作经验列工作年限数字正则提取的三个方法，代码非常实用，可以举一反三，文中针对该问题给出了具体的解析和代码演示，帮助粉丝顺利解决了问题。

最后感谢粉丝【安啦!】提问，感谢【Python进阶者】、【月神】给出的具体解析和代码演示，感谢粉丝【dcpeng】、【win7】等人参与学习交流。

小伙伴们，快快用实践一下吧！

------------------- End -------------------

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2022-04-19，如有侵权请联系 cloudcommunity@tencent.com 删除

python

正则表达式

本文分享自 Python爬虫与数据挖掘微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

python

正则表达式

登录后参与评论

0 条评论

热度