Patronen uit strings extraheren

De kolom Length in de hiking-gegevensset is een kolom met strings, maar hierin staat wel het aantal mijlen voor de hike. We gaan dit aantal mijlen extraheren met reguliere expressies en vervolgens een lambda in pandas gebruiken om de extractie op de DataFrame toe te passen.

Deze oefening maakt deel uit van de cursus

Preprocessing voor Machine Learning in Python

Cursus bekijken

Oefeninstructies

Zoek in de tekst in het argument length naar getallen en decimalen met een geschikt patroon.
Extraheer het overeenkomende patroon en zet het om naar een float.
Pas de functie return_mileage() toe op elke rij in de kolom hiking["Length"].

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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())

Code bewerken en uitvoeren