从字符串中提取带空格的整数

Posted 2023-03-12

【中文标题】从字符串中提取带空格的整数

【英文标题】：Extract integers with white space from a string

【发布时间】：2019-08-03 00:36:51

【问题描述】：

我是正则表达式的新手，所以我的代码很吃力。

我有一个数据框，df，结构如下：

                                    NAME  PERCENT
0     APPLE COMPANY A  57 638 232 stocks  0.12322
1  BANANA 1 COMPANY B  12 946 201 stocks  0.02768
2     ORANGE COMPANY C  8 354 229 stocks  0.01786

df = pd.DataFrame(
    'NAME': ['APPLE COMPANY A  57 638 232 stocks', 'BANANA 1 COMPANY B  12 946 201 stocks', 'ORANGE COMPANY C  8 354 229 stocks'],
    'PERCENT': [0.12322, 0.02768 , 0.01786]
    )

我想从NAME 中提取整数，但不是所有整数（请注意，在第 1 行中，我们有BANANA 1 COMPANY B，我想在COMPANY 之前忽略整数1。我只想提取那些stocks 之前的整数。

我希望输出如下所示：

                 NAME  PERCENT    STOCKS
0     APPLE COMPANY A  0.12322  57638232
1  BANANA 1 COMPANY B  0.02768  12946201
2    ORANGE COMAPNY C  0.01786   8354229

到目前为止，我只有这个，它不能产生我想要的：

df['NAME'].str.findall(r'\b\d+\b')

编辑：请注意，股票的数量可能会从数千变为数百万，这意味着没有模式。

【参考方案1】：

这个regex 会提取你要找的东西

\d+\s\d+\s\d+

匹配：

57 638 232

12 946 201

8 354 229

发件人：

'NAME': ['APPLE COMPANY A  57 638 232 stocks', 'BANANA 1 COMPANY B  12 946 201 stocks', 'ORANGE COMPANY C  8 354 229 stocks']

【讨论】：

完全如此：df['Stocks']=df['NAME'].str.findall(r'\b\d+\b').apply(lambda x: ''.join(x)) 和 df.NAME=df.NAME.replace('\d1,\s\d+\s\d+','',regex=True).str.strip('stocks ') 应该这样做。不错，+1

@anky_91 是否可以提取所有整数？我也有像500、8 000 和10 000 这样的整数，而不仅仅是百万区间。

(\d+\s\d+\s\d+)|(\d+\s\d3)|(\d2,) 这将匹配 500、8 000 和 10 000