Extrakce vzorů z řetězců

Sloupec Length v datasetu hiking obsahuje řetězce, ve kterých je skrytá vzdálenost trasy v mílích. Tuto vzdálenost extrahujeme pomocí regulárních výrazů a pak použijeme lambda funkci v pandas, abychom extrakci aplikovali na celý DataFrame.

Toto cvičení je součástí kurzu

Preprocessing pro Machine Learning v Pythonu

Zobrazit kurz

Pokyny k cvičení

Prohledej text v argumentu length a vyhledej čísla a desetinné hodnoty pomocí vhodného vzoru.
Extrahuj nalezený vzor a převeď ho na float.
Aplikuj funkci return_mileage() na každý řádek sloupce hiking["Length"].

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Write a pattern to extract numbers and decimals
def return_mileage(length):
    
    # Search the text for matches
    mile = re.____(____, ____)
    
    # If a value is returned, use group(0) to return the found value
    if mile is not None:
        return float(____)
        
# Apply the function to the Length column and take a look at both columns
hiking["Length_num"] = ____.apply(____)
print(hiking[["Length", "Length_num"]].head())

Upravit a spustit kód