使用正则表达式在 Pandas 数据框中创建新列 [重复]

Posted 2023-03-12

【中文标题】使用正则表达式在 Pandas 数据框中创建新列 [重复]

【英文标题】：Creating New Column In Pandas Dataframe Using Regex [duplicate]

【发布时间】：2018-03-03 04:56:43

【问题描述】：

我在 object 类型的 pandas df 中有一个列，我想对其进行解析以获取字符串中的第一个数字，并创建一个包含该数字的新列作为 int。

例如：

现有的df

    col
    'foo 12 bar 8'
    'bar 3 foo'
    'bar 32bar 98'

所需的df

    col               col1
    'foo 12 bar 8'    12
    'bar 3 foo'       3
    'bar 32bar 98'    32

我的代码适用于列系列中的任何单个单元格

int(re.search(r'\d+', df.iloc[0]['col']).group())

上面的代码工作正常并返回 12。但是当我尝试使用整个系列创建一个新列时：

df['col1'] = int(re.search(r'\d+', df['col']).group())

我收到以下错误：

TypeError：预期的字符串或类似字节的对象

我尝试将 str() 包裹在 df['col'] 周围，这消除了错误，但在 col1 中产生了全 0

我还尝试将col 转换为字符串的list 并遍历list，这只会产生相同的错误。有谁知道我做错了什么？非常感谢您的帮助。

【问题讨论】：

查看DataFrame.apply() 方法。可能您的计算对于简单的分配来说太复杂了。

你可以试试df['col'].str.extract(r'(\d+)')

@WiktorStribiżew，我还要添加expand=False...

@WiktorStribiżew 效果很好，谢谢！

【参考方案1】：

这样就可以了：

search = []    
for values in df['col']:
    search.append(re.search(r'\d+', values).group())

df['col1'] = search

输出如下所示：

            col    col1
0  foo 12 bar 8      12
1     bar 3 foo       3
2  bar 32bar 98      32