str.match ignorieren leere Werte

Question

Wenn ich versuche, str.mtach auf leere Werte zu verwenden, ignoriert es einfach die Leerzeichen alle zusammen.

Bevor ich auf eine If-Anweisung zurückgreife, möchte ich sehen, ob ich Hilfe bekommen kann, um diese herauszufinden.

Ich habe einen Weg gefunden, um zu bekommen, was ich will mit einer if else-Anweisung. Das Problem ist jedoch, dass ich immer noch zurückgehen und alle Werte durchsehen muss, die "Nein" zugeordnet wurden. Wo, wenn ich in der Lage wäre, das oben genannte Arbeiten zu bekommen, würde ich nur nach den Lücken filtern müssen, um zu sehen, welche Werte im str.match hinzugefügt werden müssen.

Answer 1

könnten Sie das Muster regex verwenden ^$ (beginning-of-String gefolgt von End-of-string) leere Saiten zum Spiel:

mask = df["Original Litigation"].str.match("N|^$", case=False) 
df.loc[mask, "Suit Filed (Y/N)"]='No' 

oder alternativ Sie str.len nutzen, um die Länge zu messen der Saiten:

s = df["Original Litigation"] 
mask = s.str.match("N", case=False) | (s.str.len() == 0) 

---

Zum Beispiel

In [311]: s = pd.Series(['a','','c']) 

In [312]: s.str.match('a|^$') 
Out[312]: 
0  True 
1  True 
2 False 
dtype: bool 

---

Beachten Sie, dass die RegexMuster N|No wird alles akzeptiert, die mit einem N oder beginnt mit No beginnt. Da No mit N beginnt, entspricht das Muster N|NoN - das No ist nicht erforderlich. In ähnlicher Weise kann Yes|Y|represented|Open|Closed auf Y|represented|Open|Closed reduziert werden.

---

By the way, feststellen, dass es zwei Sätze von Klammern ([...][...]) in

df["Suit Filed (Y/N)"][...] = 'No' 

Dies wird angekettet-Indizierung genannt und sollte vermieden werden, wenn da in einigen Situationen Zuweisungen in Pandas machen such an assignment may fail to modify df .

Der richtige Weg, dies in Pandas zu codieren, verwenden loc:

df[mask, "Suit Filed (Y/N)"] = 'No'