在 Pandas 数据框中使用正则表达式创建新列

Question

我有一个pandas数据帧中的列，类型为object，我想解析该列以获取字符串中的第一个数字，并创建一个包含该数字作为int的新列。

例如：

现有数据帧

    col
    'foo 12 bar 8'
    'bar 3 foo'
    'bar 32bar 98'

期望的数据框

    col               col1
    'foo 12 bar 8'    12
    'bar 3 foo'       3
    'bar 32bar 98'    32

我有一段代码可以在列系列中的任何单元格上运行：

int(re.search(r'\d+', df.iloc[0]['col']).group())

以上代码可以正常工作并返回应该返回的12。但是，当我尝试使用整个系列创建一个新的列时：

df['col1'] = int(re.search(r'\d+', df['col']).group())

我会得到以下错误：

TypeError: expected string or bytes-like object

我尝试在df ['col']周围包装str（），这消除了错误，但在col1中产生了所有的0。

我还尝试将col转换为字符串列表，并通过列表进行迭代，但只会产生相同的错误。有人知道我做错了什么吗？非常感谢您的帮助。

- Cam8593

---

请查看 DataFrame.apply() 方法。可能你的计算过于复杂无法使用简单赋值。 - Dave Kielpinski

你可以尝试使用 df['col'].str.extract(r'(\d+)')。 - Wiktor Stribiżew

@WiktorStribiżew，我还会添加 expand=False... - MaxU - stand with Ukraine

@WiktorStribiżew 非常感谢，这个完美解决了！ - Cam8593

Answer 1

这样就可以了：

new_column = []    
for values in df['col']:
    new_column.append(re.search(r'\d+', values).group())

df['col1'] = new_column

输出结果如下：

            col    col1
0  foo 12 bar 8      12
1     bar 3 foo       3
2  bar 32bar 98      32

- Albo

---

该列表的名称与正则表达式方法（search）相同，这让我感到有点困惑。mylist = []，mylist.append... 可能会使其更清晰易懂。 - RolfBly

https://stackoverflow.com/questions/58973981/python-create-new-column-with-regex 这种方法更好。在数据框中使用for循环是一个明显的警告信号。 - Sergo055