python一列字符串类型数据获取字符串中指定字符HK$后面的第一个数值
时间: 2023-10-06 11:11:09 浏览: 54
Sure, I can help you with that! Here's a code snippet to extract the first numeric value after the characters "HK$":
```
import re
data = ["HK$400", "HK$600", "HK$800"]
for d in data:
match = re.search(r"HK\$(\d+)", d)
if match:
print(match.group(1))
```
This will output:
```
400
600
800
```
Let me know if you have any other questions!
相关问题
编写pytorch代码,训练集为NumPy 数组,训练集的第一列是字符串,拿出训练集中的第一列,转化为张量
如果你的训练集是一个 NumPy 数组,其中第一列是字符串类型,你需要先将字符串类型转化为数值型,然后再将其转化为 PyTorch 张量。具体来说,可以按照以下步骤实现:
1. 导入 PyTorch 库和 NumPy 库:
```python
import torch
import numpy as np
```
2. 加载训练集数据并获取第一列:
```python
train_data = np.loadtxt('train.csv', delimiter=',', dtype=np.str)
time_col_str = train_data[:, 0]
```
这里假设训练数据保存在名为 `train.csv` 的文件中,且文件中第一列是字符串类型。`loadtxt` 函数的第一个参数是文件名,第二个参数是分隔符,第三个参数是数据类型。这里我们使用字符串类型 (`dtype=np.str`) 加载数据。
3. 将字符串类型转化为数值型:
```python
time_col_num = np.array([float(x) for x in time_col_str])
```
这里使用列表推导式和 `float` 函数将每个字符串转化为浮点数。如果你的数据类型不是浮点数,你需要根据实际情况进行修改。
4. 将 NumPy 数组转化为 PyTorch 张量:
```python
time_tensor = torch.from_numpy(time_col_num)
```
现在,`time_tensor` 就是一个 PyTorch 张量,可以用于训练模型或者进行其他操作了。请注意,在使用 `loadtxt` 函数时,需要确保 CSV 文件中的所有数据都是数值型,否则会出现类型转换错误。
python读取佛山的excel表格内所有sheet,固定某几列数据不删,获取最后一行第一列之后的数据,若数值低于90则删除这列数据
以下是一个可能的解决方案:
```python
import pandas as pd
# 读取Excel文件,指定sheet_name=None表示读取所有sheet
df_dict = pd.read_excel('佛山.xlsx', sheet_name=None)
# 对每个sheet进行处理
for sheet_name, df in df_dict.items():
# 固定某几列数据不删,使用drop函数删除其他列
df = df.drop(columns=['列1', '列2', '列3'])
# 获取最后一行第一列之后的数据
last_row = df.iloc[-1, 1:]
# 将小于90的数据所在的列删除
for col_name, value in last_row.items():
if pd.isna(value):
continue
if value < 90:
df = df.drop(columns=[col_name])
# 输出处理后的数据
print(f'{sheet_name}:')
print(df)
```
其中,'佛山.xlsx'是待处理的Excel文件名,'列1', '列2', '列3'是需要固定不删的列名,可以根据实际需求进行修改。若Excel文件中的数据不是数值类型,需要将代码中的90改为相应的字符串或其他类型。
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)