小编Dat*_*e99的帖子

我有一个包含多列的数据框，其中之一是 company_name。我正在尝试根据它们具有相同的 company_name 来删除重复的记录，但是我不知道如何在保持 company_name 的原始大小写的同时执行此操作。

我尝试将所有名称转换为小写，然后删除重复项，但如前所述，我想保留原始大小写。

df = pd.DataFrame({'company_name': ['Apple', 'apple', 'BlackBerry', 'blackberry','Blackberry'])
df['company_name'] = df['company_name'].str.strip()
df['company_name'] = df['company_name'].str.lower()
input_records.drop_duplicates(subset=['company_id'], inplace=True, 
   keep="first")

此代码消除了重复项，但以全部小写形式存储公司名称。

想要的结果

company_name
Apple
BlackBerry

实际结果

company_name
apple
blackberry

我有一些使用大熊猫存储在数据框中的字符串，如果存在，我想从中提取所有数字。这些数字必须满足的条件是非常具体的，我不确定是否可以使用正则表达式来解决问题。条件是：

• 数字不能在字符串的开头
• 它不能出现在单词“ No.”之后或单词“ Question”之后

另外，如果可能的话，如果数字后面紧跟着e，我也想保留它。但是，这并不重要。

到目前为止，这是我能找到的所有数字，但是我不知道如何编写上面提到的条件。

testNumbers = re.findall(r'\d+', row['Name'])

对于给定的字符串：“ Test T860商品编号9712250 787”

我希望正则表达式返回

[860, 787]

这是我其他文章的延续：在特定条件下从字符串中提取数字

总而言之，我有一些字符串存储在数据框中，我想提取与所有条件匹配的第一个数字（如果存在）。条件如下：

• 数字不能在字符串的开头

• 它不能出现在单词“ No.”之后或单词“ Question”之后

• 该数字不能介于1960-2020之间

• 如果数字后面紧跟字母e，我想用它提取e

到目前为止，这是我找到的数字，它照顾了前两个条件：

for index, row in df.iterrows():
    test = re.search(r'(?!^)(?<!\bNo\.\s)(?<!\bQuestion\s)(\d+)(?!\d)',
                     row['name'])
    if test:
        df.loc[
            df['name'] == row['name'], ['id']] = test.group()

我也尝试过使用：

\b(?!196[0-9]\d|20[012][0])\d+\b

来计算不在1960年和2020年之间的数字，但这似乎行不通。我也不明白如何抓住e（如果存在）。

范例1：

"Trial No. 32819 Question 485 Article 787e"

我希望正则表达式返回

[787e]

范例2：

"2981 XYZ Legislature"

我希望正则表达式返回

None

示例3”

"Addendum217Null"

我希望正则表达式返回

[217]

在此先感谢您的帮助！