python pandas模糊匹配 读取Excel后 获取指定指标的操作
1.首先读取Excel文件
数据代表了各个城市店铺的装修和配置费用,要统计出装修和配置项的总费用并进行加和计算;
2.pandas实现过程
import pandas as pd #1.读取数据 df = pd.read_excel(r'./data/pfee.xlsx') print(df)
cols = list(df.columns) print(cols)
#2.获取含有装修 和 配置 字段的数据 zx_lists=[] pz_lists=[] for name in cols: if '装修' in name: zx_lists.append(name) elif '配置' in name: pz_lists.append(name) print(zx_lists) print(pz_lists)
#3.对装修和配置项费用进行求和计算 df['装修-求和'] =df[zx_lists].apply(lambda x:x.sum(),axis=1) df['配置-求和'] = df[pz_lists].apply(lambda x:x.sum(),axis=1) print(df)
补充:pandas 中dataframe 中的模糊匹配 与pyspark dataframe 中的模糊匹配
1.pandas dataframe
匹配一个很简单,批量匹配如下
df_obj[df_obj['title'].str.contains(r'.*?n.*')] #使用正则表达式进行模糊匹配,*匹配0或无限次,?匹配0或1次
pyspark dataframe 中模糊匹配有两种方式
2.spark dataframe api, filter rlike 联合使用
df1=df.filter("uri rlike 'com.tencent.tmgp.sgame|%E8%80%85%E8%8D%A3%E8%80%80_|android.ugc.live|\ %e7%88f%e8%a7%86%e9%a2%91|%E7%%8F%E8%A7%86%E9%A2%91'").groupBy("uri").\ count().sort("count", ascending=False)
注意点:
1.rlike 后面进行批量匹配用引号包裹即可
2.rlike 中要匹配特殊字符的话,不需要转义
3.rlike '\\\\bapple\\\\b' 虽然也可以匹配但是匹配数量不全,具体原因不明,欢迎讨论。
In [5]: df.filter("name rlike '%'").show() +---+------+-----+ |age|height| name| +---+------+-----+ | 4| 140|A%l%i| | 6| 180| i%ce| +---+------+-----+
3.spark sql
spark.sql("select uri from t where uri like '%com.tencent.tmgp.sgame%' or uri like 'douyu'").show(5)
如果要批量匹配的话,就需要在后面继续添加uri like '%blabla%',就有点繁琐了。
对了这里需要提到原生sql 的批量匹配,regexp 就很方便了,跟rlike 有点相似
mysql> select count(*) from url_parse where uri regexp 'android.ugc.live|com.tencent.tmgp.sgame'; +----------+ | count(*) | +----------+ | 9768 | +----------+ 1 row in set (0.52 sec)
于是这里就可以将sql中regexp 应用到spark sql 中
In [9]: spark.sql('select * from t where name regexp "%l|t|_"').show() +---+------+------+ |age|height| name| +---+------+------+ | 1| 150|Al_ice| | 4| 140| A%l%i| +---+------+------+
以上为个人经验,希望能给大家一个参考,也希望大家多多支持我们。如有错误或未考虑完全的地方,望不吝赐教。
赞 (0)