python - 如何在 Pandas 中创建新列？

Question

我需要在 pandas 数据框中创建新列。

df 

Id    Value       
1     >45%         
2     >29%        
3     <30 to >69    
4     >40% to <56% 
5     -- 

df_输出:

Id    Value         Value2
1     >45%          45%
2     >29%          29%
3     <30 to >69    69
4     >40% to <56%  56%
5     --            NaN  

在我的数据框中有一个名为“值”的列，我需要在该列顶部创建新列“Value2”。在 Value2 列中，我只需要一个基于值列的带后缀的数字(如果存在于值列中)。如果有多个数字，例如 Id 3&4，我需要其中最大的一个。

我尝试过:

df.Value.str.extract('(\d+)')

但它只提取数字。

Answer 1

你可以使用

import pandas as pd
import numpy as np
import re

df = pd.DataFrame({'Value':['>45%', '<30 to >69', '<80% and >16%', '...']})
def lookup(x):
    m = list(re.finditer(r'(\d+(?:\.\d+)?)\s*%?', x))
    if m:
        return max(m, key=lambda x: float(x.group(1)))[0]
    else:
        return np.nan

df['Value2'] = df['Value'].apply(lookup)
# >>> df
#            Value Value2
# 0           >45%    45%
# 1     <30 to >69     69
# 2  <80% and >16%    80%
# 3            ...    NaN

详细信息:

• 与re.finditer ，获取 (\d+(?:\.\d+)?)\s*%? 的所有匹配项提取一个或多个数字的模式，后跟可选的 . 序列和一位或多位数字(将此值捕获到组 1 中)，然后是可选的 %标志
• lookup(x)方法返回np.NaN如果没有找到匹配项，则返回包含第 1 组中最大数字的匹配值。

正则表达式详细信息:

• (\d+(?:\.\d+)?) - 第 1 组:一个或多个数字后跟一个可选的 .和一位或多位数字(整数或 float )
• \s* - 零个或多个空格
• %? - 可选%标志

请参阅regex demo .