python - 在单个 Pandas Dataframe 列中将字符串与数字分开并创建两个新列

Question

令我震惊的是，之前没有人在 SO 上问过这个问题......因为这似乎是一个足够简单的问题。

我在 pandas Dataframe 中有一个列，如下所示:

df = pd.DataFrame(data=[['APPLEGATE WINERY    455.292049'],['AMAND FARM  849.827192'],['COBB FARM ST    1039.49357'],['DIRIGIA 2048.947284']], columns = ['Col1'])

    Col1
0   APPLEGATE WINERY 455.292049
1   AMAND FARM 849.827192
2   COBB FARM ST 1039.49357
3   DIRIGIA 2048.947284

我只是想将字符串字符与数字分开，所以结果应该是这样的

Name                Area
APPLEGATE WINERY    455.292049
AMAND FARM          849.827192
COBB FARM ST        1039.49357
DIRIGIA             2048.947284

我知道我可以使用 Regular Expressions在 python 中，但这似乎有点矫枉过正，因为 a) 它只是数据类型的分离，并且 b) 字符串具有不同的长度并且数字具有不同的位数。

所以一个结果会开始看起来像这样:

df['Name'] = df.Col1.str.extract('([A-Z]\w{0,})', expand=True)
df['Area'] = df.Col1.str.extract('(\d)', expand=True)

但是否有一个很好、干净的解决方案来解决这个问题，而无需经历使用 RegEx 的麻烦，而是将字符串与数字分成两列？

Answer 1

使用单个 extract 调用。如果您使用此正则表达式，您还需要从结果中去除尾随空格。

df2 = (df['Col1'].str.extract(r'(?P<Name>.*?)(?P<Area>\d+(?:\.\d+)?)')
                 .applymap(str.strip))
df2
               Name         Area
0  APPLEGATE WINERY   455.292049
1        AMAND FARM   849.827192
2      COBB FARM ST   1039.49357
3           DIRIGIA  2048.947284

正则表达式分解

(?P<Name>   # first named capture group - "Name"
    .*?     # match anything (non-greedy)
)
(?P<Area>   # second named group - "Area"
    \d+     # match one or more digits,
    (?:     
       \.   # decimal
       \d+  # trailing digits
    )?      # the `?` indicates floating point is optional
)

PS，要将“Area”列转换为数字，请使用 pd.to_numeric。