Python PandasでSeries内の複数の特殊文字を含む単語の総数を求める方法

PandasのSeriesに含まれる各文字列の中から、2つ以上の特殊文字を持つ要素の総数を求める方法を、複数のアプローチに分けて解説します。

問題の概要

入力 − 次のようなSeriesがあると仮定します。

0    fruits!!
1    *cakes*
2    $nuts
3    #drinks
dtype: object

期待される結果 − 2つ以上の特殊文字を含む要素の総数は「2」です。この例では「fruits!!」（!が2個）と「*cakes*」（*が2個）が該当します。

それでは、この問題に対する複数の解決策を見ていきましょう。

解決策1：forループとstring.punctuationを使う方法

以下の手順で実装します。

• pandasのSeriesを定義する
• string.punctuationから特殊文字のリストを作成する
• 特殊文字カウント用と合計カウント用の変数を0で初期化する
• forループでSeriesの各値に順番にアクセスし、1文字ずつ特殊文字リストと比較する

for i in data:
    chars_count = 0
    for j in list(i):
        if j in special_char:
            chars_count = chars_count+1

続いて、if条件でカウント値をチェックし、1つの要素に含まれる特殊文字の数が1より大きい場合は、合計カウントを+1します。

if(chars_count>1):
    total_count = total_count+1
    print(total_count)

実装例

理解を深めるために、実際のコード全体を見てみましょう。

import pandas as pd
import string
l = ["Fruits!!","*Cakes*","$Nuts","#Drinks"]
data = pd.Series(l)
chars=string.punctuation
special_char=list(chars)
total_count = 0
for i in data:
    chars_count = 0
    for j in list(i):
        if j in special_char:
            chars_count = chars_count+1
    if(chars_count>1):
        total_count = total_count+1
print(total_count)

解決策2：正規表現とlambda関数・filterを使う方法

より簡潔に書きたい場合は、正規表現（reモジュール）とfilterメソッド、lambda関数を組み合わせる方法が有効です。

以下の手順で実装します。

• 文字列のリストを定義する
• re.findall(r"\W", x)で、英数字以外の文字（特殊文字）を抽出する
• 抽出結果の長さが1より大きい要素のみをfilterで残し、Series化する

l=["fruits!!","*cakes*","$nuts","#drinks"]
data=pd.Series(filter(lambda x:1<len(re.findall(r"\W",x)),l))

解決策3：正規表現版の完全なコード例

実装例

import pandas as pd
import re
l=["fruits!!","*cakes*","$nuts","#drinks"]
data=pd.Series(filter(lambda x:1<len(re.findall(r"\W",x)),l))
print("count:",len(data))

出力結果

上記プログラムの出力は以下の通りです。

2

どちらの方法でも、「fruits!!」と「*cakes*」の2つの要素が2つ以上の特殊文字を含むため、結果は2となります。処理の流れを細かく制御したい場合は解決策1、コードの簡潔さや可読性を重視する場合は解決策2・3の正規表現を使った方法がおすすめです。