python找出文本的位置_如何检查数据文件是否包含任何字符串,如果它存在于Python中,查找它的位置?...

如果你知道它只是一个有问题的字符串,最快的方法就是用

pd.to_numeric

,回溯包含索引:

>>> pd.to_numeric(df[2])

Traceback (most recent call last):

File "pandas/_libs/src\inference.pyx", line 1021, in pandas._libs.lib.maybe_convert_numeric

ValueError: Unable to parse string "strin"

During handling of the above exception, another exception occurred:

Traceback (most recent call last):

File "", line 1, in

File "...\lib\site-packages\pandas\core\tools\numeric.py", line 126, in to_numeric

coerce_numeric=coerce_numeric)

File "pandas/_libs/src\inference.pyx", line 1052, in pandas._libs.lib.maybe_convert_numeric

ValueError: Unable to parse string "strin" at position 4

不过,我相信这只会是第一次。所以我们可以强制错误,并找到结果

NaN

:

>>> pd.to_numeric(df[2], errors='coerce').isnull()

0 False

1 False

2 False

3 False

4 True

5 False

Name: 2, dtype: bool

在索引4处发现有问题的字符串这将允许您对DataFrame进行子集,以显示转换失败的所有字符串,只需传递

bool

数组到

df[]

打电话来。

编辑:我意识到我没有涉及在多个列中可以找到字符串的情况。为了避免在列上迭代,可以使用以下代码段获取另一个bool数组:

import functools

df.loc[0, 1] = 'another_string'

df[[0,1,2,3]].apply(functools.partial(pd.to_numeric, errors='coerce')).isnull().any(axis=1)

0 True

1 False

2 False

3 False

4 True

5 False

dtype: bool

传递那个

布尔

数组到

数据框[]

呼叫打印:

Name 0 1 2 3

0 Eric 1 another_string 3 4

4 Sam 17 18 strin 20

如果需要行、列坐标,请使用

np.where

:

results = df[[0,1,2,3]].apply(functools.partial(pd.to_numeric, errors='coerce')).isnull()

np.where(results)

# returns both positions: (array([0, 4], dtype=int64), array([1, 2], dtype=int64))

或者,您可以迭代这些值,尝试转换为数值类型,从异常中获取有问题的字符串并查找它:

import re

r = re.compile("(?<=\')\w+(?=\')")

for row in df[2]:

try:

float(row)

except ValueError as exc:

matches = r.findall(str(exc))

for m in matches:

i = (df[2] == m).index

print(f"Found string '{m}' at index {i}")

# prints:

# Found string 'strin' at index Int64Index([4], dtype='int64')

这看起来太复杂了,但我想试试。

最后,给你一个警告。以下代码不会产生警告:

import pandas as pd

df = pd.DataFrame(np.arange(1,25).reshape(6,4))

Attribute = ['Eric', 'Sarah', 'Steve', 'David', 'Sam', 'Joe']

df.insert(0, 'Name', Attribute)

df.loc[4, 2] = 'strin' # no warning

当你打电话

df[2][4]

你打了两个电话:

__getitem__(2)

后来

__getitem__(4)

,我们称之为

chained indexing

,其中

df.loc[4, 2]

只是一个电话这可能会返回数据帧的视图或副本,具体取决于具体情况,这会导致意外的错误。同时使用一个

.loc

打电话可能会更快。请务必阅读文档以获得更详细的解释。