使用带有熊猫的正则表达式分隔字母和数字答案

【问题标题】：Separate letters and digits using regex with pandas使用带有熊猫的正则表达式分隔字母和数字
【发布时间】：2018-07-31 15:05:17
【问题描述】：

我有一个来自 pandas 数据框 df 的名为“值”的列，其中包含数字和单词。它看起来像这样：

   VALUE
0   done
1   Yes
2   3.45
3   2bc

我想将列拆分为 2 列，其中左侧只有字母，右侧只有数字。理想情况下，结果应该是：

     0    1
0   done NaN
1   Yes  NaN
2   NaN  3.45
3   bc   2

我尝试像这样使用 .str.extract 熊猫函数：

df['value'].str.extract('([A-Za-z]+)?([0-9]*[.]?[0-9]+)')

我得到的结果类似于以下：

    0    1
0   NaN NaN
1   NaN NaN
2   NaN 3.45
3   NaN NaN

这些词没有按应有的方式出现在第 0 列中。

有谁知道在 pandas/python 中进行这种操作的原因或更好的方法吗？

【问题讨论】：

这很快就会变得一团糟。如果一个字符串中间有一个数字会发生什么，例如1b3 ?
对于您的具体示例，将+ 更改为*，例如df['value'].str.extract('([A-Za-z]+)?([0-9]*[.]?[0-9]*)')

标签： python regex string pandas

【解决方案1】：

修正你的模式，并使用str.extractall:

(df.VALUE.str.extractall('(\d+(?:\.\d+)?)|([^\d.]+)')
   .unstack()
   .groupby(level=0, axis=1)
   .first())

      0     1
0   NaN  done
1   NaN   Yes
2  3.45   NaN
3     2    bc

【讨论】：