Pandas str.extract: AttributeError: объект 'str' не имеет атрибута 'str'

Question

Я пытаюсь перепрофилировать эту функцию с помощью вместо str.extract (regex).

def bull_lev(x): 
    spl = x.rsplit(None, 2)[-2].strip("Xx") 
    if spl.str.isdigit(): 
     return "+" + spl + "00" 
    return "+100" 

def bear_lev(x): 
    spl = x.rsplit(None, 2)[-2].strip("Xx") 
    if spl.str.isdigit(): 
     return "-" + spl + "00" 
    return "-100" 

df["leverage"] = df["name"].map(lambda x: bull_lev(x) 
    if "BULL" in x else bear_lev(x) if "BEAR" in x else "+100" 

---

Я использую pandas для DataFrame обработки:

import pandas as pd 
df = pd.DataFrame(["BULL AXP UN X3 VON", "BEAR ESTOX 12x S"], columns=["name"]) 

Желаемый результат:

name     leverage 
"BULL AXP UN X3 VON" "+300" 
"BEAR ESTOX 12x S"  "-1200" 

---

Неисправный попытка регулярное выражение для "BULL":

def bull_lev(x): 
    #spl = x.rsplit(None, 2)[-2].strip("Xx") 
    spl = x.str.extract(r"(X\d+|\d+X)\s", flags=re.IGNORECASE).strip("x") 
    if spl.str.isdigit(): 
     return "+" + spl + "00" 
    return "+100" 

df["leverage"] = df["name"].map(lambda x: bull_lev(x) 
    if "BULL" in x else bear_lev(x) if "BEAR" in x else "+100") 

Выдает ошибку:

Traceback (most recent call last): 
    File "toolkit.py", line 128, in <module> 
    df["leverage"] = df["name"].map(lambda x: bull_lev(x) 
    File "/Python/Virtual/py2710/lib/python2.7/site-packages/pandas/core/series.py", line 2016, in map 
    mapped = map_f(values, arg) 
    File "pandas/src/inference.pyx", line 1061, in pandas.lib.map_infer (pandas/lib.c:58435) 
    File "toolkit.py", line 129, in <lambda> 
    if "BULL" in x else bear_lev(x) if "BEAR" in x else "+100") 
    File "toolkit.py", line 123, in bear_lev 
    spl = x.str.extract(r"(X\d+|\d+X)\s", flags=re.IGNORECASE).strip("x") 

AttributeError: 'str' object has no attribute 'str' 

Я предполагаю, что это связано с str.extract захвата списка, а split работ непосредственно со строкой?

Answer 1

Вы можете обрабатывать положительный случай, используя следующее:

In [150]: 
import re 
df['fundleverage'] = '+' + df['name'].str.extract(r"(X\d+|\d+X)\s", flags=re.IGNORECASE).str.strip('X') + '00' 
df 

Out[150]: 
       name fundleverage 
0 BULL AXP UN X3 VON   +300 
1 BULL ESTOX X12 S  +1200 

Вы можете использовать np.where обрабатывать оба случая в одном лайнере:

In [151]: 
df['fundleverage'] = np.where(df['name'].str.extract(r"(X\d+|\d+X)\s", flags=re.IGNORECASE).str.strip('X').str.isdigit(), '+' + df['name'].str.extract(r"(X\d+|\d+X)\s", flags=re.IGNORECASE).str.strip('X') + '00', '+100') 
df 

Out[151]: 
       name fundleverage 
0 BULL AXP UN X3 VON   +300 
1 BULL ESTOX X12 S  +1200 

Так выше использует vectorised str методы strip , extract и isdigit для достижения того, чего вы хотите.

Update

После того, как вы изменили свои требования (которые вы не должны делать для дальнейшего использования), вы можете маскировать ФР для бычьих и медвежьих случаев:

In [189]: 
import re 
df = pd.DataFrame(["BULL AXP UN X3 VON", "BEAR ESTOX 12x S"], columns=["name"]) 
bull_mask_name = df.loc[df['name'].str.contains('bull', case=False), 'name'] 
bear_mask_name = df.loc[df['name'].str.contains('bear', case=False), 'name'] 
df.loc[df['name'].str.contains('bull', case=False), 'fundleverage'] = np.where(bull_mask_name.str.extract(r"(X\d+|\d+X)\s", flags=re.IGNORECASE).str.strip('X').str.isdigit(), '+' + bull_mask_name.str.extract(r"(X\d+|\d+X)\s", flags=re.IGNORECASE).str.strip('X') + '00', '+100') 
df.loc[df['name'].str.contains('bear', case=False), 'fundleverage'] = np.where(bear_mask_name.str.extract(r"(X\d+|\d+X)\s", flags=re.IGNORECASE).str.strip('x').str.isdigit(), '-' + bear_mask_name.str.extract(r"(X\d+|\d+X)\s", flags=re.IGNORECASE).str.strip('x') + '00', '-100') 
df 

Out[189]: 
       name fundleverage 
0 BULL AXP UN X3 VON   +300 
1 BEAR ESTOX 12x S  -1200