比循环整个文件更好的正则表达式实现？

Question

使用ge( >=) 进行比较DataFrame。然后使用所有Trues byall和 last use获取布尔掩码loc，因为过滤列：df = df.loc[:, df.ge(0).all()]print (df)   Age  Fare0   21    101   35     92   28    12详情：print (df.ge(0))    Age  Fare    Dev0  True  True  False1  True  True  False2  True  True   Trueprint (df.ge(0).all())Age      TrueFare     TrueDev     Falsedtype: bool

Answer 1

你的shell实现可以更短，grep可以-c选择让你计数，不需要匿名管道和wc：

grep -c " 1 " examplefile

您的 shell 代码只是为您提供1找到模式的行数，但您的 Python 代码还保留了与模式匹配的行的索引列表。

只获取行数，可以使用sum和genexp/list comprehension，也不需要Regex；简单的字符串__contains__检查会做，因为字符串是可迭代的：

with open('examplefile') as f:

    count = sum(1 for line in f if ' 1 ' in line)

    print(count)  

如果你也想保留索引，你可以坚持你的想法，只用re测试替换str测试：

count = 0

indexes = []

with open('examplefile') as f:

    for idx, line in enumerate(f):

        if ' 1 ' in line:

            count += 1

            indexes.append(idx)

此外，做一个空的except几乎总是一个坏主意（至少你应该使用except Exception遗漏SystemExit，KeyboardInterrupt就像异常一样），只捕获你知道可能会引发的异常。

此外，在解析结构化数据时，您应该使用特定工具，例如此处csv.reader以空格作为分隔符（line.split(' ')在这种情况下也应该这样做）并且检查索引 4 将是最安全的。通过' 1 ' in line测试，如果任何其他列包含1.

考虑到上述情况，这是awk用于匹配第 5 个字段的 shell 方式：

awk '$5 == "1" {count+=1}; END{print count}' examplefile

Answer 2

您有 CSV 数据，您可以使用该csv模块：

import csv

with open('your file', 'r', newline='', encoding='utf8') as fp:

    rows = csv.reader(fp, delimiter=' ')

    # generator comprehension

    errors = (row for row in rows if row[4] == '1')

for error in errors:

    print(error)