pandas.Series.strで遊んでみた

はじめに

• ウェブサイトのアクセス解析をしていると、ブラウザやOSのバージョンが68.0.3440, 8.0, 18.0.1025などとなっていることが分かった
• この文字列のままだと、バージョン順に並べることが難しい
• major.minorが分かればOKなので、pandas.Series.strで遊んでみた

STEP1：バージョンをそのまま出力して確認

• まず確認

df['browser_version']
0          NaN
1    68.0.3440
2    18.0.1025
3    38.0.1025
4          NaN
Name: browser_version, dtype: object

STEP2：ピリオド.で分割する

• pandas.Series.str.split
• 上の結果をみて.で分割することにした
• pat（=分割する文字）に'.'を指定する

df['browser_version'].str.split('.')
0              NaN
1    [68, 0, 3440]
2    [18, 0, 1025]
3    [38, 0, 1025]
4              NaN
Name: browser_version, dtype: object

STEP3 : 各行のリストを最初の2つだけにしたい

• pandas.Series.str
• major.minorとするには、リストの最初の2つだけがあればよい
• はじめstr.split('.')[0:2]とやってみたがうまくいかなかった
• あれこれ調べてみたらstr.split('.').str[0:2]と書けば良いことが分かった

df['browser_version'].str.split('.').str[0:2]
0        NaN
1    [68, 0]
2    [18, 0]
3    [38, 0]
4        NaN

STEP4 : リストの中身をくっつける

• pandas.Series.str.join
• sep（くっつけるときの文字列）に'.'を指定

df['browser_version'].str.split('.').str[0:2].str.join('.')
0     NaN
1    68.0
2    18.0
3    38.0
4     NaN

これで完成！

STEP2で書いたstrの使い方が勉強になった