私が知っているのは今のところ以下の2通り
sg.Column()の中にボタンを入れて、justificationを’c’にする
layout = [
[ sg.Column([
[sg.Button('OK', key='ok', size=(20,1))]
], justification='c') ]
]
ボタンの両側にsg.Push()を配置する
layout = [
[ sg.Push(), sg.Button('OK', key='ok', size=(20,1), sg.Push() ]
]
括弧で括った部分にマッチした文字列を取得したいけど、それを何と呼ぶか分からず調べるのに時間がかかってしまいました。
それは「キャプチャ」でした。
import re text = 'sample-123.png' m = re.fullmatch(r'.+-(\d+).png', text) print(m.group(1)) # 123
マッチした場合、groupで取得できます。
「カ゛」のように、カタカナの濁点だけで1文字になっているテキストを、結合して「ガ」に変換する方法です。
import re
import unicodedata
def convert_dakuten(chars):
if not type(chars) == str:
pass
else:
chars = re.sub(r'\u309B','\u3099',chars)
chars = re.sub(r'\u309C','\u309A',chars)
return unicodedata.normalize('NFC',chars)
print(convert_dakuten('カ゛'))
# ガ
「カ゛」はUnicodeで表記すると、\u30AB\u309Bとなります。
一方、「ガ」は\u30ACまたは\u30AB\u3099の２通りで表すことができます。
（\u30ACは「合成済み文字」、\u30AB\u3099は「結合文字列」と言います。）
つまり、文字の後に\u3099をつけるとつけると濁点になるので、
1文字の濁点「゛」部分を\u3099に置換することで「ガ」にすることができます。
さらに、unicodedeta.normalizeでNFCを指定することで、合成済み文字に変換することができます。
同様に、半濁点は\u309Cを\u309Aに変換します。
CSVファイルの半角スペースだけが入っている部分を何もない状態にする必要があり、変換するコードを書きました。
'c1','c2','c3' 1,2,3 1,' ',3 1,2,3
こうなっているのを、
'c1','c2','c3' 1,2,3 1,,3 1,2,3
こんなふうに置換したいのです。
標準ライブラリのcsvにreaderという関数があり、skipinitialspaceというパラメータがデフォルトでfalseになっているので、これをTrueに指定すると、スペースを無視して取り込むことができます。
import csv
csv_file = open('sample.csv', 'r', encoding='cp932', errors='', newline='')
f = csv.reader(csv_file, delimiter=',', doublequote=True, lineterminator='\r\n', quotechar="'", skipinitialspace=True)
newfile = open('sample_nospaces.csv', 'w', encoding='cp932')
writer = csv.writer(newfile, doublequote=True, lineterminator='\n')
header = next(f)
writer.writerow(header)
for row in f:
row = row
writer.writerow(row)
csv_file.close()
ちなみに、pandasのisin()を使うと、該当箇所を特定することができます。
import pandas as pd
df = pd.DataFrame([
[1,2,3],
[1,' ',3],
[1,2,3]
], columns=['c1','c2','c3'])
print(df.isin([' ']))
# c1 c2 c3
# 0 False False False
# 1 False True False
# 2 False False False
下記のようにすると該当箇所だけを抽出することができ、件数のカウント等に利用できます。
index = df[df.isin([' '])].dropna(how='all').index print(df.iloc[index]) # c1 c2 c3 # 1 1 3