使用字典和正则表达式重命名列名

Question

我有一个名为 mcmc_samples 的 DataFrame，其中包含多个变量的 Markov-Chain-Monte-Carlo 样本

偏差	K_1[1,1]	K_1[1,2]	K_1[1,3]	K_1[2,1]	K_1[2,2]	K_1[2,3]
0.2	0.4	0.6	0.1	0.3	0.9	0.8
...	...	...	...	...	...	...

列名称由级别 (K_1)、变量（逗号前括号中的第一个数字）和类别（逗号后括号中的第二个数字）组成。

我尝试重命名列名，使括号中的数字更有意义。为此，我想使用以下词典。

dict_var = {1: "variable_1", 2: "variable_2"}
dict_categ  = {1: "item_1, 2: "item_2", 3: "item_3"}

我尝试使用正则表达式替换字符串

mcmc_samples.columns = mcmc_samples.columns.str.replace(r"(?<=,)(.*?)(?=\])", 
mcmc_samples.columns.str.extract(r"(?<=,)(.*?)(?=\])")[0].map(dict_categ), regex=True)

但这给了我以下错误：

类型错误：repl 必须是字符串或可调用的

Answer 1

假设字典中包含全面的数据，并且您要匹配的所有数字在字典中都有对应的键，您可以使用

mcmc_samples.columns = mcmc_samples.columns.str.replace(
    r"(?<=\[)(\d+),(\d+)(?=])",
    lambda x: f"{dict_var[int(x.group(1))]},{dict_categ[int(x.group(2))]}",
    regex=True)

见regex demo。详情:

(?<=\[) - 就在前面，必须有一个 [ char
(\d+) - 第 1 组：一个或多个数字
, - 逗号
(\d+) - 第 2 组：一个或多个数字
(?=]) - 紧接着，必须有一个 ] 字符。

如果您需要 return 匹配的数字（如果字典中没有），您可以使用

def repl(x):
    result = []
    if int(x.group(1)) in dict_var:
        result.append(dict_var[int(x.group(1))])
    else:
        result.append(x.group(1))
    if int(x.group(2)) in dict_categ:
        result.append(dict_categ[int(x.group(2))])
    else:
        result.append(x.group(2))
    return ",".join(result)

mcmc_samples.columns = mcmc_samples.columns.str.replace(
    r"(?<=\[)(\d+),(\d+)(?=])",
    lambda x: repl(x),
    regex=True)

使用字典和正则表达式重命名列名

Rename column names using dictionary and regular expression

python

regex

string

rename

pandas