Python CSV Regex基于大多数Regex匹配的所有列和输出列列表索引号

Question

嘿，我真的卡住了，我真的希望有人能帮我解决这个问题。我试图读取CSV文件的前5000行，按制表符分隔行，然后根据每一列和每一行搜索正则表达式模式，并输出正则表达式匹配/出现次数最多的列索引号。我将提供一个例子来帮助更好地解释我的意思。

测验csv

john smith  1132 Anywhere Lane Hoboken NJ   10.0.0.1     07030  Jan 4
erica meyers    1234 Smith Lane Hoboken NJ  127.0.0.1    07030  March 2
erica meyers    1234 Smith Lane Hoboken NJ  192.168.1.1  07030  april 5

这是我当前所在的位置（读取csv，按制表符分隔成列，打印前100行）：

import csv
import re
        
Num = 5000
        
with open('test.csv', newline='', encoding="cp437", errors='ignore') as csvfile:
    reader = csv.reader(csvfile, delimiter='\t')
    for i in range(Num):
        lines = next(reader)

电流输出的前几行：

['john smith', '1132 Anywhere Lane Hoboken NJ', '10.0.0.1', ' 07030', 'Jan 4']
['john smith', '1234 Smith Lane Hoboken NJ', '127.0.0.1', ' 07030', 'March 2']
['smith john', '1234 Smith Lane Hoboken NJ', '192.168.1.1', ' 07030', 'april 5']

这就是我被困的地方。。。

我想搜索regex{1,3}\。\d{1,3}\。\d{1,3}\。\d{1,3}针对每行上的所有列，并输出正则表达式匹配最多的列索引号。

对于本例，<代码>\d{1,3}\。\d{1,3}\。\d{1,3}\。\d{1,3}将匹配

10.0.0.1
127.0.0.1
192.168.1.1

所以我想要的输出是：

2

Answer 1

你可以这样对熊猫

<代码>df=pd。读取csv（路径，nrows=5000，sep=“\t”）

编写一个函数来检查正则表达式是否匹配。

def check_regex_matches(x):
    
    return bool(re.match(regex, x))

然后您可以使用

list_of_bools_where_regex_matches = df["some_col"].apply(lambda
 x:check_regex_match(x))

df["some_col"][list_of_bools_where_regex_matches].index 

注意：请检查是否需要re。匹配或重新匹配。搜索https://stackoverflow.com/a/12595082/4213362