python - Pandas 正则表达式返回任何包含 U 或 UN 的字符串和数字

Question

我正在尝试使用另一个列字符串中的值创建一个新列
我想要的是创建一个带有单位值的新列。

单元的位置可以变化。

我的字符串的例子是

this is a string and we have 4U to use
this is another string 5UN
only 6U to use today

由于位置不同，我需要提取连接到 U 和 UN 的数字。

df['test_units'] = df['ITEM_DESC'].str.get(r'\(*U.*?\)',)
df['test_units']

这是我的正则表达式，但我只返回 nan 值。

我如何只返回加入 U 或 UN 的号码？

Answer 1

您可以使用

df['test_units'] = df['ITEM_DESC'].str.extract(r'\b(\d+)UN?\b')

见 regex demo .请注意形成捕获组的未转义括号对，其值由 Series.str.extract 返回。 .

正则表达式匹配:

\b - 一个词边界

(\d+) - 第 1 组:一位或多位数字

U - U

N? - 可选 N

\b - 字边界

Pandas 测试:

import pandas as pd
cols={'ITEM_DESC': ['this is a string and we have 4U to use','this is another string 5UN','only 6U to use today']}
df = pd.DataFrame(cols)
df['test_units'] = df['ITEM_DESC'].str.extract(r'\b(\d+)UN?\b')

输出:

>>> df
                                ITEM_DESC test_units
0  this is a string and we have 4U to use  4        
1  this is another string 5UN              5        
2  only 6U to use today                    6        
>>>