Python PANDAS-Substring First符号前的INT或FLOAT

Question

我在PANDAS数据框中有一个字符串列我希望substring创建一个新列。该列的一般格式为：

"THING 10MG/OTHER THING 100MG"
"THING 10MG"
"THING 10.5MG"
"THING 10.5MCG"

我需要的是正则表达式或其他模式匹配技术来提取这些结果：

"10"
"10"
"10.5"
"10.5"

结果是在MG或MCG之前第一次出现（从左侧）float或int。

到目前为止，我所得到的结果显然不完整：

df['string_field'].str.extract('(\d+)MG')

任何高效的方法或提示将不胜感激。感谢。

Answer 1

工作解决方案：

\b(\d+(\.\d+)?)MC?G

\b是一个单词边界。 ?表示它是可选的。这适用于组或角色。

Live demo

Answer 2

我认为您需要提取float或int，然后在必要时转为float：

L = [
"THING 10MG/OTHER THING 100MG",
"7THING 10MG",
"THING 10.5MG",
"THING 10.5MCG"
]

df =pd.DataFrame({'string_field':L})
print (df)
                   string_field
0  THING 10MG/OTHER THING 100MG
1                   7THING 10MG
2                  THING 10.5MG
3                 THING 10.5MCG

print (df['string_field'].str.extract('(\d*\.\d+|\d+)MC?G', expand=False).astype(float))
0    10.0
1    10.0
2    10.5
3    10.5
Name: string_field, dtype: float64