没有包的语义版本比较和标签

Question

我有一个看起来像这样的数据框：

api_spec_id label    info_version   commitDate
    803            2.3.0            2019-09-12
    803            2.4.1            2019-10-04
    803            2.4.2            2019-10-07
    803            2.5.3            2019-10-08
    803            2.6.1            2019-10-08
    803            2.6.3            2019-11-25
    803            2.6.5            2019-12-10
    803            2.6.6            2019-12-11
    803            2.7.2            2019-12-11
    803            2.8.0            2019-12-19

packaging.Version

类将它们分类为

major

、

minor

等基本标签，但我的数据集中的情况有点不同，因为有时版本升级可能像

2.5.3

到

2.6.1

，所以这里我们有

Minor.Patch

同时变化，我不想只给一个标签，因为这会阻碍我的分析并导致偏见。我们也有版本从

2.3.0

到

2.4.1

的情况，其中升级模式是

Major.Minor

，最后以相同的方式升级到

Major.Patch

。该数据集具有如此奇怪的约定，因为它是从真实的 api 数据中抓取的。

除此之外，我们还有

major.minor.patch

都相等的情况，并且我们有像

alpha,beta,rc,dev,pre

这样的预标识符。在这种情况下，我想根据标准

alpha < beta < rc < pre < dev

来比较它们。在这个标识符也相同的例外情况下，我想在之后比较这个数字。有

1.2.6.7

形式的案例，我认为它可以与major.minor.patch.micro（这里的micro是第4个数字）属于同一类别。

预期的输出应该是这样的：

api_spec_id label    info_version           commitDate
    803      -              2.3.0                 2019-09-12
    803    minor.patch      2.4.1                 2019-10-04
    803    patch            2.4.2                 2019-10-07
    803    minor.patch      2.5.3                 2019-10-08
    803    minor.patch      2.6.1                 2019-10-08
    803    patch            2.6.3                 2019-11-25
    803    patch            2.6.5                 2019-12-10
    803    patch            2.6.6                 2019-12-11
    803    minor.patch      2.7.2                 2019-12-11
    803    major            2.8.0                 2019-12-19
    803    pre              2.8.0a1               2019-12-24
    803    pre              2.8.0a2               2019-12-27
    803    pre              2.9.0.dev             2021-01-03
    803    micro            2.9.0.2               2021-01-10

我解析了所有这些版本，它们是根据 PEP440 正则表达式的规范格式，但我不确定如何比较这些版本，因为正则表达式在这里不起作用，所以我有点修复。有没有人对如何解决这个问题有想法/建议？

Answer 1

作为起点，您可以使用（假设数据框按

commitDate

排序）：

# Simple regex pattern (subset of PEP440)
pat = r'(?P<major>\d+)\.(?P<minor>\d+)\.(?P<patch>\d+)(?:\.(?P<micro>\d+))?'

# Extract component version
sem = df['info_version'].str.extract(pat).fillna(0).astype(int)

# Check the difference
diff = sem.diff().fillna(0).ne(0)

# Use dot product
df['label'] = diff.dot(sem.columns + '.').str.rstrip('.')

输出：

>>> df
  api_spec_id info_version commitDate        label
0         803        2.3.0 2019-09-12             
1         803        2.4.1 2019-10-04  minor.patch
2         803        2.4.2 2019-10-07        patch
3         803        2.5.3 2019-10-08  minor.patch
4         803        2.6.1 2019-10-08  minor.patch
5         803        2.6.3 2019-11-25        patch
6         803        2.6.5 2019-12-10        patch
7         803        2.6.6 2019-12-11        patch
8         803        2.7.2 2019-12-11  minor.patch
9         803        2.8.0 2019-12-19  minor.patch

其他输出：

>>> sem
   major  minor  patch  micro
0      2      3      0      0
1      2      4      1      0
2      2      4      2      0
3      2      5      3      0
4      2      6      1      0
5      2      6      3      0
6      2      6      5      0
7      2      6      6      0
8      2      7      2      0
9      2      8      0      0

>>> diff
   major  minor  patch  micro
0  False  False  False  False
1  False   True   True  False
2  False  False   True  False
3  False   True   True  False
4  False   True   True  False
5  False  False   True  False
6  False  False   True  False
7  False  False   True  False
8  False   True   True  False
9  False   True   True  False

注意：暂时不解决pre-version但是可以修改regex pattern