Extragerea tiparelor din șiruri de caractere

Coloana Length din setul de date hiking conține șiruri de caractere, însă în interiorul acestora se află distanța traseului, exprimată în mile. Vom extrage această distanță folosind expresii regulate, apoi vom aplica extracția pe întreg DataFrame-ul cu ajutorul unei funcții lambda în pandas.

Acest exercițiu face parte din cursul

Preprocesare pentru Machine Learning în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Caută numere și zecimale în textul din argumentul length, folosind un tipar adecvat.
Extrage tiparul identificat și convertește-l la tipul float.
Aplică funcția return_mileage() pentru fiecare rând din coloana hiking["Length"].

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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())

Editează și rulează codul