В этой статье мы рассмотрим, как использовать один из основных методов регулярных выражений в python 're.findall()' для извлечения строковых выражений.
Сначала подключим модуль регулярных выражений 're':
import re
Предположим, что у нас есть следующая строка:
test_string1 = 'Python is Amazing!'
Регулярное выражение r “^w+” в re.findall() вернет начало входной строки:
regex_1 = re.findall(r"^w+",test_string1)
print(regex_1)
В выражении r “^w+” символ «^» соответствует началу строки, а «w+» находит буквенно-цифровые символы.
Если удалить '^', то получим:
regex_1 = re.findall(r"w+",test_string1)
print(regex_1)
Попробуем извлечь начало другой строки:
test_string2 = 'Java is Amazing!'
Затем применим 're.findall()', чтобы найти первое слово этой строки:
regex_2 = re.findall(r"^w+",test_string2)
print(regex_2)
Приведем более реальный сценарий использования. Предположим, что у нас есть список заголовков видео YouTube и соответствующее заголовкам количество просмотров на YouTube:
youtube_titles = [("How to Tell if We're Beating COVID-19", 2200000), ("Extreme Closet Clean Out",326000), ("This is $1,000,000 in Food",8800000), ("How To Tell If Someone Truly Loves You ", 2800000), ("How to Tell Real Gold from Fake", 2300000), ("Extreme living room transformation ", 25000)]
Модуль re Python – осваиваем регулярные выражения Python
Можно найти первое слово каждого заголовка следующим образом:
or title in youtube_titles:
print(re.findall(r"^w+",title[0])[0])
И добавить полученные значения в список:
first_words = []
for title in youtube_titles:
first_words.append(re.findall(r"^w+",title[0])[0])
print(first_words)
Или представить данные в виде списка:
first_words = []
views = []
for title in youtube_titles:
first_words.append(re.findall(r"^w+",title[0])[0])
views.append(title[1])
Затем можно создать DataFrame из первых слов заголовка и просмотров видео:
import pandas as pd
df = pd.DataFrame({'first_words': first_words, 'views':views})
print(df)
Изучаем классы в Python: построение классов и определение объектов в Python 3
А также выполнить группировку и вычислить средние значения для каждого первого слова:
df = df.groupby('first_words')['views'].mean()
print(df)
Отсортируем эти значения в порядке убывания:
df = df.groupby('first_words')['views'].mean().sort_values(ascending = False)
print(df)