2

Tengo una columna de un df en el que hay medidas por pies y pulgadas separados por sus caracteres especiales correspondientes:

df.altura

0        5' 4"
1        5' 11"
2        5' 10"
3        5' 7"

y lo que tengo que hacer es crear una nueva columna en la que se encuentre la misma altura pero en centimeros, es decir, multiplicando el primer numero por 0.3048 y el segundo por 0.0254 y sumandolos. si los separo me sigue quedando el ultimo caracter ahi y luego para sumarlos lo haria haciendo slice, multiplicando y sumando pero para ello tengo que conseguir separarlos sin que queden los quotes

1 respuesta 1

3

Puedes aplicar str.rstrip o un simple rebanado para eliminar la " final:

df.altura.str[:-1].str.split("'", n=1))
df.altura.str.rstrip('"').str.split("'", n=1)

No obstante una forma mucho más simple en mi opinión es usar pandas.Series.str.extract con la expresión:

(\d+)\'\s*(\d+)\"
  • \d -> Clase de caracteres, cualquier dígito.
  • + -> Cuntificador, 1 o más
  • * -> Cuantificador, 0 o más
  • () -> Grupos de captura, cada uno formará una columna nueva.
  • \s -> Espacio.

La expresión es muy simple y cubre los ejemplos dados, puede adaptarse según necesidades, por ejemplo si cabe la posibilidad de tener decimales o si puede faltar los pies o las pulgadas en alguna fila.

Esto genera directamente un DataFrame con dos columnas, una por grupo de captura. Simplemente lo convertimos a entero, multiplicamos por 0.3048 y por 0.0254 y aplicamos pandas.DataFrame.sum sobre las filas:

import pandas as pd


df = pd.DataFrame({"altura": ("5' 4\"", "5' 11\"", "5' 10\"", "5' 7\"")})
df.altura = (df.altura.str.extract(r"(\d+)\'\s*(\d+)\"")
               .astype(int)
               .mul([0.3048,  0.0254])
               .sum(axis=1)
               )
>>> df
   altura
0  1.6256
1  1.8034
2  1.7780
3  1.7018

Si como mencionaba, cabe la posibilidad de tener decimales, necesitamos modificar la expresión:

import re
import pandas as pd


df = pd.DataFrame({"altura": ("5.4'  4.3\"", ".5' 11\"", "5'0.10\"", "5'7\"")})
>>> df
       altura
0  5.4'  4.3"
1     .5' 11"
2     5'0.10"
3        5'7"
PATT = r"""
    ((?=.)(?:[+-]?(?:\d*)(?:\.(?:\d+))?)) # Primer número
    \'                                    # Litaral para '
    \s*                                   # Cero o más espacios intermedios
    ((?=.)(?:[+-]?(?:\d*)(?:\.(?:\d+))?)) # Segundo número
    \"                                    # Literal para "
"""

df.altura = (df.altura.str.extract(PATT, flags=re.VERBOSE)
                          .astype(float)
                          .mul([0.3048,  0.0254])
                          .sum(axis=1)
                          )
>>> df
    altura
0  1.75514
1  0.43180
2  1.52654
3  1.70180

P.D. La conversión es a metros, para que sea a centímetros debe multiplicarse por [30.48, 2.54].

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.