从熊猫数据框中的列中提取字符串中的数字答案

【问题标题】：Extract the numbers in a string from a column in pandas dataframe从熊猫数据框中的列中提取字符串中的数字
【发布时间】：2021-01-31 20:39:38
【问题描述】：

我需要使用数据框 house_price 中的“Amenities”列进行特征提取。

便利设施栏有以下数据集

house_data['Amenities']

3                       3 beds 1 bath
4              1 bed 1 bath 1 parking
5                       3 beds 1 bath
6            2 beds 2 baths 2 parking
7             3 beds 1 bath 2 parking
                    ...              
2096    3 beds 2 baths 1 parking 419m
2097          4 beds 1 bath 2 parking
2098         3 beds 2 baths 2 parking
2099         2 beds 2 baths 1 parking
2100    3 beds 2 baths 1 parking 590m
Name: Amenities, Length: 1213, dtype: object

我需要提取床、浴室和停车场的数量并将它们存储到 3 个单独的列中。

house_data["bedrooms"] = ''
house_data["bedrooms"] = house_data["Amenities"].str.extract("(\d*\.?\d+)", expand=True)



3       3
4       1
5       3
6       2
7       3
       ..
2096    3
2097    4
2098    3
2099    2
2100    3
Name: bedrooms, Length: 1213, dtype: object

上面的代码只提取整个字符串的第一个数字。如何提取代表浴室/停车场数量的数字并将它们存储在不同的列下？

【问题讨论】：

标签： python pandas dataframe data-cleaning feature-extraction

【解决方案1】：

我们可以在这里使用named groups 和Series.str.extract：

regex = r'(?P<beds>\d)\sbeds?\s(?P<bath>\d+)\sbaths?\s?(?P<parking>\d)?'
df = pd.concat([df, df['Amenities'].str.extract(regex)], axis=1)

                       Amenities beds bath parking
0                  3 beds 1 bath    3    1     NaN
1         1 bed 1 bath 1 parking    1    1       1
2                  3 beds 1 bath    3    1     NaN
3       2 beds 2 baths 2 parking    2    2       2
4        3 beds 1 bath 2 parking    3    1       2
5  3 beds 2 baths 1 parking 419m    3    2       1
6        4 beds 1 bath 2 parking    4    1       2
7       3 beds 2 baths 2 parking    3    2       2
8       2 beds 2 baths 1 parking    2    2       1
9  3 beds 2 baths 1 parking 590m    3    2       1

【讨论】：

【解决方案2】：

你可以试试这个：

df = df['Amenities'].str.split(r'[a-zA-Z ]+', expand=True).drop(columns=[3, 4])
print(df)

   0  1  2
0  3  1   
1  1  1  1
2  3  1   
3  2  2  2
4  3  1  2
5  3  2  1
6  4  1  2
7  3  2  2
8  2  2  1
9  3  2  1

【讨论】：