Подсчет количества строк по классам, начиная со слова в верхнем регистре

Мне нужно было бы подсчитать строки, начинающиеся со слова в верхнем регистре (например, STACKOVERFLOW) по классам. Чтобы найти слово в верхнем регистре, я использую следующую строку кода:

df['UP'] = df['TEST'].str.findall(r'\b([A-Z]{2,})')

Я думаю, что я должен рассмотреть что-то вроде этого [1] (первое слово).

Мой набор данных выглядит так:

TEST                       Class
HELLOOOOO!!!                1    
What are you doing?         0     # since this is only a capital letter, this should not be counted
Say nothing!                1     # since this is only a capital letter, this should not be counted
How are you?                0     # since this is only a capital letter, this should not be counted
HI man                      1

python pandas

14.12.2020 03:14

Почему в Python есть оператор "pass"?

Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.

Некоторые методы, о которых вы не знали, что они существуют в Python

Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...

Основы Python Часть I

Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?

LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа

Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:

Оптимизация кода с помощью тернарного оператора Python

И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это

Советы по эффективной веб-разработке с помощью Python

Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.

157

Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Давайте попробуем извлечь первые две заглавные буквы, найти, где нет возвращенного NaN, и преобразовать его в целое число.

df['Class']=df.TEST.str.extract('(^[A-Z]{2})').notna().astype(int)

14.12.2020 03:24

Ответ принят как подходящий

Ваш шаблон регулярного выражения потерпит неудачу, если у вас есть слово с двумя заглавными буквами, а остальные строчные. Это может помочь.

import pandas as pd
df = pd.DataFrame({'TEST': {0: 'HELLOOOOO!!!',
  1: 'WHat are you doing?',
  2: 'Say nothing!',
  3: 'How are you?',
  4: 'HI man'},
 'Class': {0: 1, 1: 0, 2: 1, 3: 0, 4: 1}})

df['Upper'] = df['TEST'].apply(lambda x: x.split()[0].isupper())

df.groupby('Class')['Upper'].sum()

Выход

Class
0    0
1    2

Большое спасибо, Крис. Если бы я хотел иметь вместо True/False слово, которое выше, могу ли я использовать df['Upper'] = df['TEST'].str.findall(r'\b([A-Z]{2,} )')? Я думаю, мне следует добавить что-то, что выбирает в этот момент только первое слово в строке (как вы упомянули в своем ответе)

— 14.12.2020 03:37

Просто удалите часть .isupper(). он уже смотрит только на первое слово в строке. Это, конечно, нарушит окончательный расчет.

— 14.12.2020 03:39

14.12.2020 03:27