如何基于其他列创建列并可能在熊猫中使用正则表达式？答案

【问题标题】：How to create column based on other column and probably using regex in pandas?如何基于其他列创建列并可能在熊猫中使用正则表达式？
【发布时间】：2022-01-06 11:54:51
【问题描述】：

df:

Id   Product_description     Vol
100  Oil 32cmX36cmx25cm 1s   1  
101  Oil 32cmX36cmx30cm 1M   1
102  bag 45cmx3f 1s          1
103  bag 45cmx32f 2L         2
104  BAG 45cmx32f 3 L        3
105  BELT 135L 50S           50
106  BELT 194L 50S           NaN
107  BELT 194L 50 L#144      NaN
108  BELT L                  NaN

我需要在这里做两件事：

从 Vol 列替换 NaN。（最后一位数字后跟单位，如“L”、“S”）
根据 Vol & Product_description 列创建另一个列“Unit”。

输出：

Id   Product_description     Vol  Unit(Check Vol and get Unit from Product_description)
100  Oil 32cmX36cmx25cm 1s   1     s 
101  Oil 32cmX36cmx30cm 1M   1     M
102  bag 45cmx3f 1s          1     s
103  bag 45cmx32f 2L         2     L
104  BAG 45cmx32f 3 L        3     L
105  BELT 135L 50S           50    S
106  BELT 194L 50S           50    S
107  BELT 194L 50 L#144      50    L
107  BELT L                  NaN   NaN

【问题讨论】：

标签： python regex pandas

【解决方案1】：

您可以使用带有命名捕获组的正则表达式，extractall 获取所有匹配项，groupby+last 保留最后一个匹配项，然后将 join 保留到原始数据帧：

(df
 .drop(columns='Vol')
 .join(df['Product_description']
      .str.extractall('(?P<Vol>\d+)\s*(?P<Unit>[a-zA-Z]+)')
      .groupby(level=0).last()
      )
)

输出：

    Id    Product_description  Vol Unit
0  100  Oil 32cmX36cmx25cm 1s    1    s
1  101  Oil 32cmX36cmx30cm 1M    1    M
2  102         bag 45cmx3f 1s    1    s
3  103        bag 45cmx32f 2L    2    L
4  104       BAG 45cmx32f 3 L    3    L
5  105          BELT 135L 50S   50    S
6  106          BELT 194L 50S   50    S
7  107     BELT 194L 50 L#144   50    L
8  108                 BELT L  NaN  NaN

注意。以上忽略了原始的“Vol”列，只是从头开始再次提取数据。如果您不想覆盖可能不同的值（尽管它们与字符串不匹配），您可以这样做：

df2 = (df['Product_description']
      .str.extractall('(?P<Vol>\d+)\s*(?P<Unit>[a-zA-Z]+)')
      .groupby(level=0).last()
      )
df.combine_first(df2)

【讨论】：