Python 在单个Dataframe列中将字符串与数值分开，并创建两个新列

我很震惊，以前没有人问过这个问题。。因为这似乎是一个足够简单的问题

熊猫数据框中有一列，如下所示：

df = pd.DataFrame(data=[['APPLEGATE WINERY    455.292049'],['AMAND FARM  849.827192'],['COBB FARM ST    1039.49357'],['DIRIGIA 2048.947284']], columns = ['Col1'])

    Col1
0   APPLEGATE WINERY 455.292049
1   AMAND FARM 849.827192
2   COBB FARM ST 1039.49357
3   DIRIGIA 2048.947284

我只想把字符串和数字分开，结果应该是这样的

Name                Area
APPLEGATE WINERY    455.292049
AMAND FARM          849.827192
COBB FARM ST        1039.49357
DIRIGIA             2048.947284

我知道我可以在python中使用，但这似乎有些过分，因为a）这只是数据类型的分离，b）字符串有不同的长度，数字有不同的位数

所以有一个结果是这样的：

df['Name'] = df.Col1.str.extract('([A-Z]\w{0,})', expand=True)
df['Area'] = df.Col1.str.extract('(\d)', expand=True)

但是，有没有一个好的、干净的解决方案来解决这个问题，而不必经历使用正则表达式的麻烦，而是将字符串从数字分隔成两列？

试试这个正则表达式：

df.Col1.str.extract('(.*\S)\s+([\d\.]+)')

输出：

                  0            1
0  APPLEGATE WINERY   455.292049
1        AMAND FARM   849.827192
2      COBB FARM ST   1039.49357
3           DIRIGIA  2048.947284

---

使用单个

extract

调用。如果使用此正则表达式，还需要从结果中去掉尾随空格

df2 = (df['Col1'].str.extract(r'(?P<Name>.*?)(?P<Area>\d+(?:\.\d+)?)')
                 .applymap(str.strip))
df2
               Name         Area
0  APPLEGATE WINERY   455.292049
1        AMAND FARM   849.827192
2      COBB FARM ST   1039.49357
3           DIRIGIA  2048.947284

df2=（df['Col1'].str.extract（r'（？P.*）（？P\d+（？：\。\d+））
.applymap（str.strip））
df2
名称区
0阿普尔盖特酒庄455.292049
1阿曼农场849.827192
科布农场街2号1039.49357
3迪里吉亚2048.947284

正则表达式细分

(?P<Name>   # first named capture group - "Name"
    .*?     # match anything (non-greedy)
)
(?P<Area>   # second named group - "Area"
    \d+     # match one or more digits,
    (?:     
       \.   # decimal
       \d+  # trailing digits
    )?      # the `?` indicates floating point is optional
)

（？P#第一个命名的捕获组-“名称”
*？#匹配任何内容（非贪婪）
)
（？P#第二个命名组-“区域”
\d+#匹配一个或多个数字，
(?:     
\.#十进制
\d+#尾随数字
)？#``表示浮点是可选的
)

---

PS，若要将“区域”列转换为数字，请使用

pd。若要将数字转换为

，，您感觉只需执行

str.rsplit

df.Col1.str.rsplit(' ',1,expand=True).apply(lambda x : x.str.strip(),1)
Out[314]: 
                  0            1
0  APPLEGATE WINERY   455.292049
1        AMAND FARM   849.827192
2      COBB FARM ST   1039.49357
3           DIRIGIA  2048.947284

---

您可以使用rsplit。它将从右侧开始拆分字符串

pd.DataFrame(df.Col1.str.rsplit(' ',1).tolist(), columns = ['Name','Area'])

Result:
    Name                Area
0   APPLEGATE WINERY    455.292049
1   AMAND FARM          849.827192
2   COBB FARM ST       1039.49357
3   DIRIGIA            2048.947284

---

这是一个很好的解决方案，假设列中没有尾随空格。试试df.Col1.str.strip（）.str.rsplit（…）！你能给我一个32街的名字吗？不，所有的名字都是以字母开头的，不是数字。我非常感谢你对正则表达式的解释！多谢。为了使这个解决方案起作用，我还必须将数据帧转换为字符串

。astype（str）

，因为我以前遇到错误

只能使用带有字符串值的.str访问器，它在pandas中使用np.object uudtype

，但现在它可以工作了。@JAG2024不客气。正则表达式背后的思想是找到看起来像浮点数的内容，并将其捕获为第二组“区域”，然后将其之前的所有内容捕获为“名称”。很高兴这有帮助。