正则表达式，用于在多个模式之前找到一个数字序列，放入一个新列(Python，Pandas)。

Question

这是我的示例数据

import pandas as pd
import re
  
cars = pd.DataFrame({'Engine Information': {0: 'Honda 2.4L 4 cylinder 190 hp 162 ft-lbs',
          1: 'Aston Martin 4.7L 8 cylinder 420 hp 346 ft-lbs',
          2: 'Dodge 5.7L 8 Cylinder 390hp 407 ft-lbs',
          3: 'MINI 1.6L 4 Cylinder 118 hp 114 ft-lbs',
          4: 'Ford 5.0L 8 Cylinder 360hp 380 ft-lbs FFV',
          5: 'GMC 6.0L 8 Cylinder 352 hp 382 ft-lbs'},
         'HP': {0: None, 1: None, 2: None, 3: None, 4: None, 5: None}})

这是我的想要的输出

​

​

我创建了一个名为“HP”的新列，在该列中，我希望从原始列(“引擎信息”)中提取马力图。

下面是我尝试做这个的代码

cars['HP'] = cars['Engine Information'].apply(lambda x: re.match(r'\\d+(?=\\shp|hp)', str(x)))

我的想法是，我想要调整匹配的模式：‘在'hp’或‘hp’之前出现的一系列数字。这是因为一些单元格在数字和hp之间没有“空格”，如我的例子所示。

我确信正则表达式是正确的，因为我已经在R中成功地完成了类似的过程，但是，我尝试了一些函数，如str.extract、re.findall、re.search、re.match。返回错误或“无”值(如示例所示)。所以我有点迷路了。

谢谢!

Answer 1

您可以使用str.extract

cars['HP'] = cars['Engine Information'].str.extract(r'(\d+)\s*hp\b', flags=re.I)

详细信息

• (\d+)\s*hp\b --将一个或多个数字匹配并捕获到第1组中，然后将0或多个空白空间(\s*)和hp (由于flags=re.I以不区分大小写的方式)作为一个整体来匹配(因为\b标记单词boundary)
• str.extract只在模式中有捕获组时才返回捕获的值，因此hp和空格不是结果的一部分。)

Python演示结果：

>>> cars
                               Engine Information   HP
0         Honda 2.4L 4 cylinder 190 hp 162 ft-lbs  190
1  Aston Martin 4.7L 8 cylinder 420 hp 346 ft-lbs  420
2          Dodge 5.7L 8 Cylinder 390hp 407 ft-lbs  390
3          MINI 1.6L 4 Cylinder 118 hp 114 ft-lbs  118
4       Ford 5.0L 8 Cylinder 360hp 380 ft-lbs FFV  360
5           GMC 6.0L 8 Cylinder 352 hp 382 ft-lbs  352

Answer 2

有几个问题：

• re.match只查看字符串的开头，如果您的模式可能出现在
• 无法转义的地方，则使用re.search，如果您使用了原始字符串，即'\\d hp'或r'\d hp' --原始字符串可以帮助您避免使用匹配的组。你只是在搜索，但没有交出找到的小组。re.search(rex, string)[0]
• you为您提供了一个复杂的对象(匹配对象)，您可以从中提取所有组，例如，re.search(rex, string)[0]
• you必须将访问包装在一个单独的函数中，因为您必须在访问组之前检查是否有匹配。如果不这样做，异常可能会在cars['Engine Information'].str.extract(r'(\d+) ?hp')

中间停止应用进程，

• 的应用是缓慢的；使用提取：

• 之类的向量化函数。

您的方法应该在以下方面发挥作用：

def match_horsepower(s):
    m = re.search(r'(\d+) ?hp', s)
    return int(m[1]) if m else None

cars['HP'] = cars['Engine Information'].apply(match_horsepower)

Answer 3

它将在hp之前得到数值，没有或有(单个或多个)空格。

r'\d+(?=\s+hp|hp)'

您可以在这里验证Regex：https://regex101.com/r/pXySxm/1