Pythonでキャメルケース文字列を検証し、分割してpandasのSeriesに保存する方法

Pythonとpandasを使えば、ユーザーが入力した文字列がキャメルケース(camelCase)形式かどうかを検証し、正しい形式であれば単語ごとに分割して新しいSeriesとして保存できます。本記事では、その具体的な実装方法をサンプルコードとともに解説します。

実行結果のイメージ

キャメルケース文字列を分割してSeriesに変換すると、次のような結果になります。

enter the string:
pandasSeriesDataFrame
Series is:
0    pandas
1    Series
2    Data
3    Frame
dtype: object

解決の手順

この問題を解決するには、以下の手順に従います。

• 入力文字列を受け取る関数を定義します。

• 検証用の条件をresult変数に設定します。条件は「入力文字列がすべて小文字ではなく、すべて大文字でもなく、アンダースコア(_)を含まないこと」です。以下のように定義します。

result = (s != s.lower() and s != s.upper() and "_" not in s)

• if文で条件を判定し、resultがTrueの場合はre.findall()メソッドでキャメルケースのパターンを抽出し、その結果をpandasのSeriesに変換します。

pd.Series(re.findall(r'[A-Za-z](?:[a-z]+|[A-Z]*(?=[A-Z]|$))', s))

• 条件がFalseの場合は、入力がキャメルケース形式ではないことを示すメッセージを出力します。

正規表現パターンのポイント

使用している正規表現 [A-Za-z](?:[a-z]+|[A-Z]*(?=[A-Z]|$)) の意味は次のとおりです。

• [A-Za-z]:各単語の先頭は1文字の英字で始まります。

• [a-z]+:先頭の英字の後に小文字が1文字以上続くパターン(例:pandas)。

• [A-Z]*(?=[A-Z]|$):連続する大文字を処理するためのパターン。次の文字が大文字であるか、文字列の末尾である位置で区切ります(例:DataFrame → Data と Frame)。

コード例

それでは、実際の実装を見て理解を深めましょう。

import pandas as pd
import re

def camelCase(s):
    result = (s != s.lower() and s != s.upper() and "_" not in s)
    if result == True:
        series = pd.Series(re.findall(r'[A-Za-z](?:[a-z]+|[A-Z]*(?=[A-Z]|$))', s))
        print(series)
    else:
        print("input is not in camel case format")

s = input("enter the string: ")
camelCase(s)

出力結果

enter the string:
pandasSeriesDataFrame
Series is:
0    pandas
1    Series
2    Data
3    Frame
dtype: object

enter the string: pandasseries
input is not in camel case format

このように、入力がキャメルケース形式の場合は単語ごとに分割されたSeriesが出力され、すべて小文字などの非対応形式が入力された場合はエラーメッセージが表示されます。