Python 将正则表达式应用于df在新列中添加值

这是我的数据集：

BlaBla 128 MB EE
ADTD 6 gb DTS
EEEDC 2GB RS
STA 12MB DFA
BBNB 32 mb YED

我想从这个数据集中提取MB/GB的数量和单位MB/GB。因此，我创建了以下正则表达式：

(\d*)\s?(MB|GB)

我创建的用于将正则表达式应用于我的df的代码是：

pattern = re.compile(r'(\d*)\s?(MB|GB)')
invoice_df['mbs'] = invoice_df['Rate Plan'].apply(lambda x: pattern.search(x).group(1))
invoice_df['unit'] = invoice_df['Rate Plan'].apply(lambda x: pattern.search(x).group(2))

但是，当将正则表达式应用于我的df时，它会给出以下错误消息：

AttributeError: 'NoneType' object has no attribute 'group'

---

我能做些什么来解决这个问题？

您只需在请求组之前检查是否找到了某些内容：

import re

inputs = ["BlaBla 128 MB EE",
"ADTD 6 gb DTS",
"EEEDC 2GB RS",
"STA 12MB DFA",
"BBNB 32 mb YED",
"Nothing to find here"]

pattern = re.compile("(\d+)\s*([MG]B)", re.IGNORECASE)

for input in inputs:
    match = re.search(pattern, input)
    if match:
        mbs = match.group(1)
        unit = match.group(2)
        print (mbs, unit.upper())
    else:
        print "Nothing found for : %r" % input

# ('128', 'MB')
# ('6', 'GB')
# ('2', 'GB')
# ('12', 'MB')
# ('32', 'MB')
# Nothing found for : 'Nothing to find here'

使用您的代码：

pattern = re.compile("(\d+)\s*([MG]B)", re.IGNORECASE)
match = re.search(pattern, invoice_df['Rate Plan'])
if match:
    invoice_df['mbs'] = match.group(1)
    invoice_df['unit'] = match.group(2)

---

它比lambda IMHO更具可读性，并且不会执行两次搜索。

由于某些条目可能不匹配，因此

重新搜索失败（返回不匹配）。您需要考虑lambda中的这些情况：

apply(lambda x: pattern.search(x).group(1) if pattern.search(x) else "")

我也建议使用

(?i)(\d+)\s*([MGK]B)

它将找到1+个数字（
\d+
，第1组），后跟0+个空格（
\s*
），并以不区分大小写的方式将
KB
、
GB
、
MB
匹配到第2组（
（[MGK]B）
）中。
如果将该模式设置为不区分大小写呢<代码>（？i）（\d+）\s*（MB | GB）

？我还将

+

与

\d

和

*

与

\s

@WiktorStribiż一起使用

+

查看仍然相同的错误消息，因此，有些条目只是不包含匹配项，您访问

组（1）

和

组（2）

，而不检查是否出现匹配项。是的，这也是我所期望的。我知道存在不匹配的条目…我希望将其保留为空。请尝试

apply（lambda x:pattern.search（x）.group（1）if pattern.search（x）else“”）