2
votes

compter les chaînes dans les chaînes

J'ai un tableau qui ressemble à ceci:

a = ['UCI_99648;102568',  'UCI_99648;102568',  'UCI_99648;102568;99651', 'UCI_99651', 'UCI_99652', 'SIB_99658;102568;506010;706080', NaN]

Je veux savoir combien de piqûres ont un seul numéro comme UCI_99651 , UCI_99652

Donc, le résultat attendu est 2.

Comment puis-je faire cela en python.

REMARQUE: mes données réelles sont très volumineuses et les nombres peuvent être n'importe quoi et, comme indiqué dans l'exemple, peuvent impliquer des valeurs manquantes.

string python arrays pandas

2 commentaires

qu'est-ce qui rend les numéros UCI_99651, UCI_99652 uniques?

par unique ici, je veux dire qu'il n'y a qu'un seul numéro dans la chaîne par rapport aux autres cas. Par exemple, le code UCI_99648; 102568 comporte deux chiffres.

4 Réponses :

4
votes

En supposant que la structure de toutes les chaînes suit celle de l'exemple ci-dessus, une compréhension de liste comme suit fera:

['UCI_99651', 'UCI_99652']

Sortie

XXX

0 commentaires

2
votes

Depuis que vous avez tagué des pandas, une autre façon:

3    UCI_99651
4    UCI_99652

s=pd.Series(a).dropna()
s[s.str.split(';').str.len().eq(1)]

0 commentaires

0
votes

Vous pouvez extraire des nombres à l'aide d'expressions régulières. Par exemple, quelque chose comme ceci:

import re
import numpy as np
from collections import Counter


def count_strings_with_unq_nums(list_of_strings):

    # Initialize two lists - one to keep track of where the numbers occur and another to isolate unique occurences of numbers
    all_nums_nested = []
    all_nums_flat = []

    # Loop through all strings and extract integers within
    for s in list_of_strings:
        try:
            nums = re.findall(r'\d+', s)
            all_nums_nested.append(nums)
            all_nums_flat.extend(nums)
        except:
            continue

    # Count occurences of all extracted numbers
    num_counter = Counter(all_nums_flat)

    # Loop through nested list to find strings where unique numbers occur
    unq_items = []
    for key, val in num_counter.items():
        if val == 1:
            for n, num_list in enumerate(all_nums_nested):
                if key in num_list:
                    unq_items.append(list_of_strings[n])

    # Return the number of strings containing unique numbers.        
    return len(set(unq_items))

if __name__ == '__main__':
    a = ['UCI_99648;102568',  'UCI_99648;102568',  'UCI_99648;102568;99651', 'UCI_99651', 'UCI_99652', 'SIB_99658;102568;506010;706080', np.NaN]

    print(count_strings_with_unq_nums(a))

>>> 2

0 commentaires

2
votes

Vous pouvez essayer comme ci-dessous. J'espère que cela résoudra votre problème.

p = [word.split(";")[0] for word in uci if word != 'NaN']
print(Counter(p))
#Counter({'UCI_99648': 3, 'UCI_99651': 1, 'UCI_99652': 1, 'SIB_99658': 1})
#To filter only one occurance you can try below.
b = [word for word in p if p.count(word)==1]
print(b)

Pour plus d'informations, vous pouvez consulter le document de compréhension de liste ici.

http://dataunbox.com/course/24/119/Python%20for%20dummies

0 commentaires