基于CPD范围过滤行：object类型列的正则表达式实现指导

实现思路 #

要过滤掉cpd_range列中数值小于10的行（即"0-5"、"5-10"这类范围），可以通过正则表达式匹配符合要求的范围，再筛选出这些行。核心是匹配所有最小值大于等于10的范围，或者像">55"这种下限明确大于10的格式。

正则表达式解析 #

使用的正则表达式为：r'^(>?\d{2,}|\d{2,}-\d+)$'

• ^ 和 $：确保匹配整段文本，避免部分匹配
• >?\d{2,}：匹配">XX"或"XX"格式（XX是两位及以上数字，即≥10）
• \d{2,}-\d+：匹配"XX-YY"格式（XX≥10，YY可以是任意数字）
• |：逻辑或，匹配两种格式中的任意一种

Python代码实现（Pandas） #

import pandas as pd
import re

# 示例数据集
data = {
    'cpd_range': ['>55', '45-55', '35-45', '25-35', '15-25', '10-15', '5-10', '0-5']
}
df = pd.DataFrame(data)

# 过滤符合条件的行
filtered_df = df[df['cpd_range'].str.match(r'^(>?\d{2,}|\d{2,}-\d+)$')]

# 输出结果
print(filtered_df)

输出结果 #

cpd_range
0      >55
1    45-55
2    35-45
3    25-35
4    15-25
5    10-15

内容的提问来源于stack exchange，提问作者Karan Kundra