0

Luego de utilizar regex para buscar la palabra "metros" (junto a los números asociados) en la columna description de mi dataset,

d = dataset.description.apply(lambda x: re.findall((\d+,?\d+\s*)metros), str(x))

Obtengo una serie de Pandas con todas las apariciones por fila de esta palabra

Serie de pandas con las apariciones del Regex

¿Como puedo hacer para que solo se me muestren por pantalla aquellas filas en donde si haya encontrado la palabra?

Aclaración: Si encuentra resultados solo que, a la hora de imprimirlo, casualmente muestra lugares donde no encontro.

(Ejemplo: Lugares donde si encuentra)

Serie de pandas donde si encuentra resultado

He probado con:

  • for x in d: if x != []: print(x)
  • d.loc[d != []]

El for me ha resultado pero no me parece lo mas eficiente. El loc no me ha funcionado

Ejemplo mínimo, completo y verificable:

import pandas as pd
import numpy as np
import re

lista = [[], [1514], [], [23, 5]]
d = pd.Series(lista)
5
  • Que haz intentado hasta el momento. Te recomiendo que leas Cómo preguntar y ejemplo mínimo verificable para que tu pregunta sea mejor recibida el 25 jul. 2022 a las 14:23
  • Ya agregue lo que intente y un ejemplo minimo verificable. Disculpen, no lo agregue antes porque me parecian intentos que no sumaban.
    – Sumalj06
    el 25 jul. 2022 a las 14:52
  • Ah, creo que entendí mal la pregunta, ¿Lo que deseas es encontrar todas las filas donde existe la palabra metros y aparte aplicar un regex para obtener únicamente los valores numéricos? el 25 jul. 2022 a las 14:53
  • En este sitio, los intentos son importantes. Si bien no aportan información a la pregunta, demuestran que algo hiciste y que no sos un vago que busca que le hagan el trabajo asi nomás.
    – Dante S.
    el 25 jul. 2022 a las 14:54
  • @HeytalePazguato Tengo un dataset donde cada fila tiene una columna llamada "description". Para cada fila, en la columna description, quiero buscar con un regex la palabra metros junto a los números que esta traiga. Eso lo logre hacer, el problema radica a la hora de imprimir unicamente los resultados donde se encontro algo.
    – Sumalj06
    el 25 jul. 2022 a las 14:58

2 respuestas 2

1

Nota: Como no diste datos de ejemplo, hice un dataframe con letras y numeros y una regex simple que detecta un numero.
El código usado para crear el dataframe es así:

import pandas as pd

df = pd.DataFrame(["1", "2", "3", "4", "a", "b", "c"])

Tu código puede mejorarse. Para empezar, el uso de apply es innecesario. Pandas ya ofrece formas de cambiar el tipo de una columna y aplicarle un regex.

Por lo que tu código actual puede convertirse en:

import pandas as pd

df = pd.DataFrame(["1", "2", "3", "4", "a", "b", "c"])

df["found"] = df[0].astype(str).str.findall("\d")

Ahora, enfocandonos en la incognita que nos presentas, recuerda que en realidad se trata de listas de Python comunes y corrientes, y una lista vacía devuelve False cuando se convierte en un booleano. Por lo que podemos usar astype(bool) para crear una serie de booleanos, la cual simplemente podemos usar para filtrar el Dataframe. Pandas se encargará de quedarse solamente con las filas que devolvieron verdadero (o sea, que la lista tiene contenido):

df = df[df["found"].astype(bool)]
Código
import pandas as pd

df = pd.DataFrame(["1", "2", "3", "4", "a", "b", "c"])


df["found"] = df[0].astype(str).str.findall("\d")

print(df)
print()
df = df[df["found"].astype(bool)]
print(df)
Produce
   0 found
0  1   [1]
1  2   [2]
2  3   [3]
3  4   [4]
4  a    []
5  b    []
6  c    []

   0 found
0  1   [1]
1  2   [2]
2  3   [3]
3  4   [4]
5
  • Gracias! Me ha funcionado. ¿Podrias explicarme que es lo que quieren decir los True y False a la hora de aplicar astpye(bool)? Entiendo que al aplicar astype se crea una mascara booleana la cual usare para recorrer mi serie pero, no entiendo con que criterio astype coloca True o False
    – Sumalj06
    el 25 jul. 2022 a las 15:11
  • De nada! Viste cuando hacés un condicional que dice "if(lista)"? Es eso mismo, bool convierte las listas en booleanos, y si la lista está vacía devuelve False y si tiene elementos devuelve True. Esto no es propio de Pandas, es una caracteristica de Python en general. Es el equivalente a aplicar la función bool a cada item del DataFrame.
    – Dante S.
    el 25 jul. 2022 a las 15:14
  • Por cierto, si mi respuesta te sirvió te agradecería que la aceptes en forma de apoyo nwn
    – Dante S.
    el 25 jul. 2022 a las 15:16
  • Esta bien, ya la coloque como respuesta destacada. Gracias nuevamente
    – Sumalj06
    el 25 jul. 2022 a las 15:19
  • Gracias! Y de nada, es un placer ayudar c:
    – Dante S.
    el 25 jul. 2022 a las 15:20
0

Buen día,

Hay una forma más fácil de hacerlo al utilizar pandas.Series.str.extract y pandas.DataFrame.dropna.

Como no agregaste tus datos hice un dataset de prueba en el archivo "sample2.csv" de la siguiente forma:

    description
0   50 metros
1   30 metros
2   aquí no hay
3   algo y 20 metros
4   aquí tampoco
5   estos son 10 metros
6   12 metros

Ejemplo:

import pandas as pd

df = pd.read_csv('sample2.csv')
print(df['description'].str.extract('(\d+,?\d+\s*)metros', expand=True).dropna())

Esto devuelve:

     0
0  50 
1  30 
3  20 
5  10 
6  12 
6
  • Ya lo arreglé, lo había entendido mal xD el 25 jul. 2022 a las 15:04
  • Extract es util cuando solo querés capturar un solo caso. Pero si aparecen 2 o más casos, extract se queda con el primero. Aun así es posible que al OP le sirva.
    – Dante S.
    el 25 jul. 2022 a las 15:06
  • Cierto, como no hay datos no sé si en una misma línea aparezcan más números, es probable que sí por el ejemplo de la imagen final el 25 jul. 2022 a las 15:09
  • @DanteS. estuve pensando otra opción directa pero tienes razón, findall sería lo mejor, otras opciones con apply y/o ciclos no serían optimas, te has ganado mi voto jaja. Saludos! el 25 jul. 2022 a las 15:12
  • Gracias HeytalePazguato! Igual muy bien por el esfuerzo puesto en la respuesta c:
    – Dante S.
    el 25 jul. 2022 a las 15:15

Tu Respuesta

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

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