利用python进行数据分析 —— python正则表达式（持续更新中！）

最新推荐文章于 2024-09-08 20:15:55 发布

poggioxay

最新推荐文章于 2024-09-08 20:15:55 发布

阅读量760

点赞数 25

分类专栏：机器学习文章标签： python 数据分析正则表达式

本文链接：https://blog.csdn.net/m0_55854679/article/details/139634356

版权

机器学习专栏收录该内容

1 篇文章 0 订阅

订阅专栏

文章目录

利用python进行数据分析 —— python基础知识进阶

我是第一次接触机器学习，所以对于机器学习的学习过程研究比较迷茫，最终选定跟着一个B站博主致敬大神学习机器学习的基础课程。她的主页有关于机器学习和深度学习的学习顺序以及预备知识等等，比较适合我这种刚入门，或者可以跟随我的博客进行学习。

利用python进行数据分析 —— python基础知识进阶

我之前有一些python的基础，所以直接从这本书开始学习一些python进阶的基础知识。这本书不需要全部都看，博主有视频合集，可以直接选择跟着博主视频学习一些必要的基础知识，通俗易懂！

在这里插入图片描述
这本书的学习笔记，可以参考该博主的 GitHub ，笔记内容真的很详细！！！
我的这篇文章主要针对一些比较复杂和陌生的内容进行复盘。

重点笔记：正则表达式

re.match 匹配开头

功能：匹配开头，如果匹配返回某个值，如果不匹配返回None
通式：re.match(pattern, string, flag=0)，
pattern：正则表达式如a，如\d代表0-9的数字
string：要匹配的字符串如abc123
flags：标志位，设置匹配方式，如是否区分大小写等

import re
print(re.match('b','abc123'))

None

import re
print(re.match('a','abc123'))

<re.Match object; span=(0, 1), match='a'>
#span是指匹配范围为(0,1)

在这里插入图片描述

start() 返回匹配开始的位置

end() 返回匹配结束的位置

span() 返回一个元组包含匹配 (开始,结束) 的位置，span就是范围的意思life span寿命

group() 返回被 RE 匹配的字符串

re.search 全文匹配

功能：扫描整个字符串，匹配成功，返回第一个匹配成功的对象，否则返回None
通式：re.search(pattern, string, flags=0)

在这里插入图片描述

re.sub 替换删除

功能：substitude缩写，替换匹配项，用空去替换，那就是删除

通式：re.sub(pattern, repl, string, count=0, flags=0)

repl : 替换的字符串，也可为一个函数

count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配

在这里插入图片描述

re.compile 编译正则

功能：编译正则表达式，生成一个pattern，供 match() 和 search() 使用

通式：re.compile(pattern, flags)

在这里插入图片描述

findall 返回列表

功能：全字符串找，匹配，并返回一个列表，否则返回空列表。

通式：findall(string[, pos[, endpos]])

string : 待匹配的字符串。
pos : 可选参数，指定字符串的起始位置，默认为 0。
endpos : 可选参数，指定字符串的结束位置，默认为字符串的长度

在这里插入图片描述

finditer 返回迭代器

功能：类似findall，只不过返回迭代器

通式：re.finditer(pattern, string, flags=0)

在这里插入图片描述

re.split 分割返回列表

功能：按照能够匹配的子串将字符串分割后返回列表

通式：re.split(pattern, string [, maxsplit=0, flags=0])

maxsplit：分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数

import re
pattern = re.compile(r'\W+')
result1 = re.split(pattern, '  runoob, runoob,    runoob.  ',maxsplit=0)
result2 = re.split(pattern, '  runoob, runoob,    runoob.  ',maxsplit=1)
print(result1)
print(result2)

# \W非字母数字及下划线
# 也就是字母数字下划线留着
# ，空格不能要，见到分隔
# .也不能要，见到分隔
# 分隔一次，列表里就有一个元素，就有一个，
# 所以开头结尾都有个空

['', 'runoob', 'runoob', 'runoob', '']
['', 'runoob, runoob,    runoob.  ']

(?P…) 分组匹配

功能：分组匹配，一对值

通式：((?P 《key》 \pattern) 得到一组对应的值，key：匹配的字符

使用groupdict函数可以变成字典

import re
s = '1102231990xxxxxxxx'
res = re.search('(?P<province>\d{3})(?P<city>\d{3})(?P<born_year>\d{4})',s)
print(res.groupdict())


{'province': '110', 'city': '223', 'born_year': '1990'}

正则表达符号、修饰符

通配符1 `^`：字符串的开头

在这里插入图片描述

通配符2 `$`：字符串的结尾

在这里插入图片描述

通配符3 `.`：任何字符，除了换行

在这里插入图片描述

通配符4 `|`：或

在这里插入图片描述

通配符5 `{}`：明确数量

通配符6 `[]`：一系列符号

在这里插入图片描述

通配符7 `()`：一个表达部分的逻辑分组

在这里插入图片描述

通配符8 `*` ：0个或多个前面的字符，贪婪模式

在这里插入图片描述

通配符9 `+`：1个或多个前面的字符

在这里插入图片描述

通配符10 `？`：0个或多个前面的字符，非贪婪模式

请添加图片描述

通配符11 `\`：匹配是否有特殊符号

在这里插入图片描述

`[^aeiou]`：匹配不在这里的单个字母

在这里插入图片描述

`[0-9a-fA-F]`：用 - 可以指明一个连续的字符范围

请添加图片描述

`\d`：十进制数字，相当于[0-9]，其他进制不行

在这里插入图片描述

`\D`：非数字，相当于[^0-9]，其他进制也不包括

在这里插入图片描述

`\w`：任何词汇的字符，相当于[a-zA-Z_0-9]

在这里插入图片描述

`\W`：非词汇字符，相当于[^a-zA-Z_0-9]

在这里插入图片描述

`\s`：所有的空白字符换页，换行，回车，Tab，纵向Tab，相当于[ \f\n\r\t\v]

在这里插入图片描述

`\S`：所有的非空白字符，相当于[^ \f\n\r\t\v]

在这里插入图片描述

不熟悉的知识点：匿名函数Lambda

匿名函数，顾名思义就是不需要具体定义函数名的函数，仅单条语句组成，该语句的结果就是返回值。它是通过lambda关键字定义的，这个关键字没有别的含义，仅仅是说“我们正在声明的是一个匿名函数”。
lambda函数比编写完整的函数要少输入很多字，并且清晰很多。例如：

def func(x):
	return x*2
y = func(x)
__________________________

y = lambda x: x * 2

在这里插入图片描述

`sort()`函数和`sorted()`函数区别

sort()函数和sorted()函数，两个函数均为排序，不同的是，sort()函数改变原来列表，而sorted()函数不改变原来列表，且reverse=False正序，reverse=True反序。

在这里插入图片描述
sorted()函数和lambada()函数结合

#根据不同字母个数排序
#foo两个字母，aaaa一个字母
strings = ['foo', 'card', 'bar', 'aaaa', 'abab']

#list(x)把foo变成列表['f','o','o']，把字符串变为列表
#set()转化为集合并去掉重复字符，为 {'f', 'o'}
#len()得到长度

strings.sorted(key = lambda x:len(set(list(x))))