python - 使用正则表达式在双空格后提取整数

Question

我有一个数据框，我想在其中提取双倍空间后的内容。对于 NAME 列中的所有行，在公司名称之后的整数之前有一个双空格。

                                    NAME  INVESTMENT  PERCENT
0     APPLE COMPANY A  57 638 232 stocks     OIL LTD  0.12322
1  BANANA 1 COMPANY B  12 946 201 stocks    GOLD LTD  0.02768
2     ORANGE COMPANY C  8 354 229 stocks     GAS LTD  0.01786

df = pd.DataFrame({
    'NAME': ['APPLE COMPANY A  57 638 232 stocks', 'BANANA 1 COMPANY B  12 946 201 stocks', 'ORANGE COMPANY C  8 354 229 stocks'],
    'PERCENT': [0.12322, 0.02768 , 0.01786]
    })

我之前有这个，但它在公司名称中也包含整数:

df['STOCKS']=df['NAME'].str.findall(r'\b\d+\b').apply(lambda x: ''.join(x))

相反，我尝试在双空格后提取

df['NAME'].str.split('(\s{2})')

给出输出:

0       [APPLE COMPANY A,   , 57 638 232 stocks]
1    [BANANA 1 COMPANY B,   , 12 946 201 stocks]
2       [ORANGE COMPANY C,   , 8 354 229 stocks]

但是，我希望将双空格后出现的整数连接/合并并放入新列中。

                 NAME  PERCENT  STOCKS
0     APPLE COMPANY A  0.12322  57638232
1  BANANA 1 COMPANY B  0.02768  12946201
2    ORANGE COMPANY C  0.01786  12946201

如何修改我的第二个函数来执行我想要的操作？

Answer 1

遵循您可能使用的原始逻辑

df['STOCKS'] = df['NAME'].str.extract(r'\s{2,}(\d+(?:\s\d+)*)', expand=False).str.replace(r'\s+', '')
df['NAME'] = df['NAME'].str.replace(r'\s{2,}\d+(?:\s\d+)*\s+stocks', '')

输出:

                 NAME  PERCENT    STOCKS
0     APPLE COMPANY A  0.12322  57638232
1  BANANA 1 COMPANY B  0.02768  12946201
2    ORANGE COMPANY C  0.01786   8354229

详情

• \s{2,}(\d+(?:\s\d+)*) 用于在 2 个或更多空格和 .replace(r'\s+', '') 之后删除提取文本中的所有空格
• .replace(r'\s{2,}\d+(?:\s\d+)*\s+stocks' 更新 NAME 中的文本列，它删除 2 个或多个空格，连续的空格分隔的数字 block ，然后是 1+ 个空格和 stocks。实际上，最后的 \s+stocks 可以替换为 .* 如果还有其他的话。