如何从特定匹配中提取和创建新列

Question

我有一个列 bike_name，我想知道将其拆分为 year 和 CC 的最简单方法。

CC 应包含附加在单词 cc 之前的数字数据。在某些情况下，如果 cc 不可用，则应保持空白。

而 year 仅包含最后一个单词中的年份。

TVS Star City Plus Dual Tone 110cc 2018
Royal Enfield Classic 350cc 2017
Triumph Daytona 675R 2013
TVS Apache RTR 180cc 2017
Yamaha FZ S V 2.0 150cc-Ltd. Edition 2018
Yamaha FZs 150cc 2015

Answer 1

您可以单独提取它们：year 是最后 4 个字符，CC 是通过正则表达式：

df["year"] = df.bike_name.str[-4:]

df["CC"] = df.bike_name.str.extract(r"(\d+)cc").fillna("")

其中regex 正在寻找后面跟着"cc" 的数字序列，如果不匹配，它将给出NaNs；所以我们用空字符串填充它们，

得到

                                   bike_name  year   CC
0    TVS Star City Plus Dual Tone 110cc 2018  2018  110
1           Royal Enfield Classic 350cc 2017  2017  350
2                  Triumph Daytona 675R 2013  2013
3                  TVS Apache RTR 180cc 2017  2017  180
4  Yamaha FZ S V 2.0 150cc-Ltd. Edition 2018  2018  150
5                      Yamaha FZs 150cc 2015  2015  150

---

如果不仅需要提取还需要移除：

df.bike_name = (df.bike_name.str[:-4]
                  .str.replace(r"\d+cc", "", regex=True)
                  .str.rstrip())

第一行删除 year，第二行删除 cc 部分，最后我们 right strip 删除所有行，如果最后不需要空格，

得到

>>> df

                     bike_name  year   CC
0      TVS Star City Plus Dual  2018  110
1            Royal Enfield Cla  2017  350
2              Triumph Daytona  2013
3                   TVS Apache  2017  180
4  Yamaha FZ S V 2.0 -Ltd. Edi  2018  150
5                       Yamaha  2015  150