Python學習筆記: 正則表達式_Regex(1)

import pandas as pd
file_location = '0000_學生資料範例檔.xlsx'
df = pd.read_excel(file_location)

print(len(df))
print(df.columns)
df.info()
df

17
Index(['學號', '出生年月日', '性別', '中文姓名', '部別', '系所'], dtype='object')
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 17 entries, 0 to 16
Data columns (total 6 columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0   學號      17 non-null     object
 1   出生年月日   17 non-null     int64 
 2   性別      17 non-null     object
 3   中文姓名    17 non-null     object
 4   部別      17 non-null     object
 5   系所      17 non-null     object
dtypes: int64(1), object(5)
memory usage: 944.0+ bytes

Out[1]:

	學號	出生年月日	性別	中文姓名	部別	系所
0	U1002252	650502	女	黃文欣	大學部	流通管理學系
1	U1007128	720525	男	徐翠洋	大學部	流通管理學系
2	U1017113	721116	男	林欣虹	大學部	流通管理學系
3	U1017117	730224	男	吳語群	大學部	流通管理學系
4	U1017146	720923	男	詹俊宏	大學部	歷史學系
5	U1027140	690101	女	林素元	大學部	歷史學系
6	U1027153	700503	男	洪偉誠	大學部	歷史學系
7	U1017123	730318	女	黃玉廷	大學部	歷史學系
8	U1027130	740802	女	黃瓊瑞	大學部	電機工程學系
9	U1027156	730607	男	陳奕季	大學部	電機工程學系
10	U1027119	720121	男	藍立璇	大學部	電機工程學系
11	U1037130	690909	女	江姵利	大學部	電機工程學系
12	U1037131	730118	女	林新云	大學部	社會學系
13	U1047102	751123	女	詹淑玲	大學部	社會學系
14	U1047113	750903	男	林世光	大學部	社會學系
15	U1047120	760907	女	吳惠茹	大學部	社會學系
16	U1047124	760227	男	陳毅文	大學部	社會學系

In [2]:

# 匹配學號第2-4碼為101
df[df['學號'].str.contains(r'.101')]['學號']

Out[2]:

2    U1017113
3    U1017117
4    U1017146
7    U1017123
Name: 學號, dtype: object

In [3]:

# 匹配學號第5-6碼為71
df[df['學號'].str.contains(r'....71')]['學號']

Out[3]:

1     U1007128
2     U1017113
3     U1017117
4     U1017146
5     U1027140
6     U1027153
7     U1017123
8     U1027130
9     U1027156
10    U1027119
11    U1037130
12    U1037131
13    U1047102
14    U1047113
15    U1047120
16    U1047124
Name: 學號, dtype: object

In [4]:

# 匹配學號最後2碼為30
print(df[df['學號'].str.contains(r'30$')]['學號'])

# 上面的程式碼也可以endswith來做
print(df[df['學號'].str.endswith('30')]['學號'])

8     U1027130
11    U1037130
Name: 學號, dtype: object
8     U1027130
11    U1037130
Name: 學號, dtype: object

In [5]:

# 出生年月日的欄位為整數，要先以astype('str')轉換為字串
# 匹配出生年月日第一碼為7開頭資料
print(df[df['出生年月日'].astype('str').str.contains(r'^7')]['出生年月日'])

# 上面的程式碼也可以startswith來做
print(df[df['出生年月日'].astype('str').str.startswith('7')]['出生年月日'])

1     720525
2     721116
3     730224
4     720923
6     700503
7     730318
8     740802
9     730607
10    720121
12    730118
13    751123
14    750903
15    760907
16    760227
Name: 出生年月日, dtype: int64
1     720525
2     721116
3     730224
4     720923
6     700503
7     730318
8     740802
9     730607
10    720121
12    730118
13    751123
14    750903
15    760907
16    760227
Name: 出生年月日, dtype: int64

In [6]:

# 匹配中文姓名為吳或林開頭
print(df[df['中文姓名'].str.contains(r'^吳|^林')]['中文姓名'])

# 上面的程式碼也可以startswith來做
print(df[df['中文姓名'].str.startswith(('吳','林'))]['中文姓名'])

2     林欣虹
3     吳語群
5     林素元
12    林新云
14    林世光
15    吳惠茹
Name: 中文姓名, dtype: object
2     林欣虹
3     吳語群
5     林素元
12    林新云
14    林世光
15    吳惠茹
Name: 中文姓名, dtype: object

In [ ]: