Pandas 从另一列的子字符串创建新列答案

【问题标题】：Pandas make new columns from sub-string of another columnPandas 从另一列的子字符串创建新列
【发布时间】：2022-07-06 18:22:10
【问题描述】：

我正在尝试从另一列的子字符串在 pandas 中创建新列。

import pandas as pd
import re

df = {'title':['Apartment 2 roomns, 40 m²', 'House 7 rooms, 183 m²', 'House 4 rooms, 93 m²', 'Apartment 12 rooms, 275 m²']}

我正在尝试使用正则表达式来捕获组：

df['Name'] = df.title.str.extract(r'(^[a-zA-Z]+)', expand=True)

这一次我取得了不错的成绩。但我需要一个包含房间数量的列（没有“房间”这个词）和另一个没有“m²”大小的列。我试过了：

df['Rooms'] = df.title.str.replace(r'(^[0-9]+)\s(rooms)', r'\1') #to capture only the first group, which is the number

df['Size'] = df.title.str.replace(r'(^[0-9]+)\s(m²)', r'\1') #to capture only the first group, which is the number

我的输出：

   Name      Rooms                         Size
0  Apartment Apartment 2 roomns, 40 m²     Apartment 2 roomns, 40 m²
1  House     House 7 rooms, 183 m²         House 7 rooms, 183 m²
2  House     House 4 rooms, 93 m²          House 4 rooms, 93 m²
3  Apartment Apartment 12 rooms, 275 m²    Apartment 12 rooms, 275 m²

良好的输出：

   Name      Rooms Size
0  Apartment 2     40
1  House     7     183
2  House     4     93
3  Apartment 12    275

【问题讨论】：

我在roomns这个词中看到了一个错字，所以我想你需要考虑这个错字。

标签： python regex pandas

【解决方案1】：

你可以使用

df["Rooms"] = df["title"].str.extract(r'(\d+)\s*room', expand=False)
df['Size'] = df["title"].str.extract(r'(\d+(?:\.\d+)?)\s*m²', expand=False)

输出：

>>> df
                        title Rooms Size
0   Apartment 2 roomns, 40 m²     2   40
1       House 7 rooms, 183 m²     7  183
2        House 4 rooms, 93 m²     4   93
3  Apartment 12 rooms, 275 m²    12  275

(\d+)\s*room 正则表达式匹配并捕获到第 1 组一个或多个数字，然后仅匹配零个或多个空格 (\s*)，然后是 room 字符串。

(\d+(?:\.\d+)?)\s*m² 正则表达式匹配并捕获一个或多个数字、. 和一个或多个数字的可选字符串，然后匹配零个或多个空格和 m² 字符串。

参见regex #1 demo 和regex #2 demo。

【讨论】：