Python - 使用正则表达式从 Pandas DataFrame 中的列（包含字符串）中提取权重并将其添加到新列中答案

【问题标题】：Python - Extracting weight from a column (containing a string) in a Pandas DataFrame using regex and adding it to a new columnPython - 使用正则表达式从 Pandas DataFrame 中的列（包含字符串）中提取权重并将其添加到新列中
【发布时间】：2020-05-10 07:36:31
【问题描述】：

我有一个 Excel 电子表格，其中包含来自网站的产品数据，并带有以下列标题：

产品ID，产品描述

ProductDescription 字段包含详细描述网站产品的完整描述的 HTML，并且在每个描述中，重量显示为字符串的一部分（例如“重量为 950 克”或“重量为 1.5 公斤” ') 数字和重量单位之间没有空格。

我想做的是：

将 XL 电子表格导入 Pandas 数据框
创建一个名为“重量”的新列
解析每个“ProductDescription”（大约 5000 行产品）并且，使用正则表达式，找到提到权重的文本（它可以被标识为“XXXXg”或“XXXXkg”）并将其放在“重量”中数据框的列作为数值（浮点数）。
最后将这个新的三列数据框导出为 excel 文件。

我在下面拼凑了一个小脚本，但它不断地抛出错误。如果有人可以提供帮助，我将不胜感激。

import pandas as pd
import re as re


def weight(inputString):

    result = [re.search('([0-9.]+[kgG]{1,2})', s) for s in inputString]

    return result

excel_file = 'Products.xlsx'
df = pd.read_excel(excel_file)

df['Weight'] = df['ProductDescription'].apply(weight)

希望你能帮上忙。请原谅我粗鲁地粘在一起的代码！我对此还是很陌生。

【问题讨论】：

import re as re?只需使用import re
使用df['Weight'] = df['ProductDescription'].str.extract(r'(?i)(\d+(?:\.\d+)?)\s*[kmd]?g\b', expand=False).astype(float)
啊，太好了。我希望我已经正确地“接受”了它。再次感谢你。模式解释也很有帮助！我绝对需要阅读正则表达式。也谢谢你的欢迎！你们都很善良。
请分享一些输入/输出示例。
它不断地抛出错误也总是分享整个错误信息。

标签： python regex excel pandas dataframe

【解决方案1】：

你可以使用

df["Weight"] = (
    df["ProductDescription"]
    .str.extract(r"(?i)(\d+(?:\.\d+)?)\s*[kmd]?g\b", expand=False)
    .astype(float)
)

(?i)(\d+(?:\.\d+)?)\s*[kmd]?g\b 模式匹配：

(?i) - 使模式不区分大小写
(\d+(?:\.\d+)?) - 第 1 组：1+ 位，. 和 1+ 位的可选出现
\s* - 0+ 个空格
[kmd]? - 可选的 k、m 或 d
g - 一个g
\b - 字边界。

【讨论】：