python - 使用 Pandas 基于正则表达式分离列数据

Question

我有一个如下所示的数据框

df = pd.DataFrame({'val': ['>1234','<>','<1000','<test','31sadj',123,43.21]})

我想创建 3 个新列

val_num - 将仅存储带有符号的数字值，例如:1234(来自 >1234)和 1000(来自 <1000)但不会存储 31(来自 31sadj)，因为它没有任何符号

val_str - 将只存储 NUMBER 的混合值, symbols , ALPHABETS或者只是简单的字母表，例如:31sadj。它可以有任何符号，除了 > , < , =

val_symbol - 将仅存储 3 个符号，如 > , < , =

我试过下面的但它不准确

df['val_SYMBOL'] = df['val'].str.extract(r'([<>=]+)').fillna('=')
df['val_num'] = df['val'].str.extract(r'([0-9]+)')
df['val_str'] = df['val'].str.extract(r'([a-zA-Z0-9\s-]+)') 

我希望我的输出如下所示

Answer 1

你可以使用

df['val_SYMBOL'] = df['val'].astype(str).str.extract(r'([<>=]+)').fillna('=')
df['val_num'] = df['val'].astype(str).str.extract(r'\b(\d+(?:\.\d+)?)\b')
df['val_str'] = df['val'].astype(str).str.extract(r'([^<>=]*[a-zA-Z][^<>=]*)')

您想处理混合数据类型的列，因此第一个操作是使用 astype(str) 将数据转换为字符串.

val_num列填充了 \b(\d+(?:\.\d+)?)\b匹配，整数或 float 作为整个单词匹配(\b 代表单词边界)。

val_str列填充了 ([^<>=]*[a-zA-Z][^<>=]*)匹配，搜索除 < 以外的零个或多个字符, >和 = , 然后是一个字母，然后是 < 以外的零个或多个字符, >和 = .

我得到的输出:

>>> df
      val val_SYMBOL val_num val_str
0   >1234          >    1234     NaN
1      <>         <>     NaN     NaN
2   <1000          <    1000     NaN
3   <test          <     NaN    test
4  31sadj          =     NaN  31sadj
5     123          =     123     NaN
6   43.21          =   43.21     NaN