从数据框中的字符串中提取浮点值

Question

我有以下数据框，df:

name         result

AAA           4.5
BBB           UNK
CCC      less than 2.45
DDD     Men > 40: 2.5-3.5

result 列的dtypes 是dtype('O')

我需要提取浮点值并使用特定阈值对其进行过滤。

我尝试了以下脚本来提取值并将它们更改为浮点数：

df['result'] = df['result'].str.extract(r'(\d+.\d+)').astype('float')

但是，我不确定我是否得到了正确的输出，尤其是当值的范围为2.5-3.5 时。在这种情况下，我想要最大值，i.e. 3.5。

期望的输出：

name         result

AAA           4.5
CCC           2.45
DDD           3.5

最聪明的做法是什么？任何建议，将不胜感激。谢谢！

Answer 1

您可以使用extractall 提取所有出现的浮点数，然后使用max 仅取最大值。

>>> ext = (df.result.str.extractall(r'(\d+.\d+)')
       .astype(float)
       .unstack()
       .max(axis=1))

>>> ext
0    4.50
2    2.45
3    3.50

接下来，您可以将其加入原始数据框。 ext 当前是一个系列，因此在加入之前将其转换为数据框to_frame。如果您想删除 NaN，请使用 inner 加入，如果您想保留它，请使用 left（默认）。

>>> df = df[['name']].join(ext.to_frame('result'), how='inner')
>>> df
  name  result
0  AAA    4.50
2  CCC    2.45
3  DDD    3.50