如何在 pandas DataFrame 中的字符串模式后提取数字并在 python 中创建新功能

Posted 2023-03-12

【中文标题】如何在 pandas DataFrame 中的字符串模式后提取数字并在 python 中创建新功能

【英文标题】：How to extract numbers after string pattern in pandas DataFrame & create to new feature in python

【发布时间】：2021-08-15 15:30:47

【问题描述】：

根据列值创建新特征

例子

Column 


CHPS CHTN 28 GR 1 ITEM

CHPS CHTN 28 GR 1 ITEM

样本输出

Column                         A      B


CHPS CHTN 28 GR 1 ITEM        28          1

CHPS CHTN 28 GR 4 ITEM        28          4

【参考方案1】：

如果你最多提取2个数字，你可以使用简单的单行代码，如下：

df.join(df['Column'].str.extract(r'\D*(?P<A>\d+)\D+(?P<B>\d+)'))

这里，列标签自动从str.extract() 调用中使用的正则表达式的命名捕获组的名称传播。

结果：

                   Column   A  B
0  CHPS CHTN 28 GR 1 ITEM  28  1
1  CHPS CHTN 28 GR 1 ITEM  28  1

【参考方案2】：

您可以使用str.extractall 和rename 更改列名。

from string import ascii_uppercase
import pandas as pd




alpha_cols = dict(
                 enumerate(ascii_uppercase)
                 )


df1  = df.join(df['Column'].str.extractall('(\d+)')\
                    .unstack(1).droplevel(0,1))\
                    .rename(columns=alpha_cols)

---

print(df1)

                   Column   A  B
0  CHPS CHTN 28 GR 1 ITEM  28  1
1  CHPS CHTN 28 GR 1 ITEM  28  1