RegEx用于提取十进制数字

Question

我有一个pandas df，其中一栏是等级为X / 10的文本。我想提取分子（可以是小数）。到目前为止，我正在使用：

my_df.text_column.str.extract('(\d*?\.?\d+(?=/10))')

我以为我还不错，直到我看到像.10这样的分子。实际发生的情况是某些行的文本为：“ Nice job.10 / 10”。

在从此列中提取数字时，如果它检测到“。”，我该如何指定呢？一定是数字之后吗？

谢谢。

Answer 1

要做：

df.text.str.extract(r'(\d+\.?\d*?(?=/10))')

您要首先寻找一个数字（\d+），然后是一个可选的（\.?）和一个可选的小数（\d*?）

示例：

df = pd.DataFrame({'text':["Nice Job.10/10", "Score 9.5/10", "And now 5./10"]})
df.text.str.extract(r'(\d+\.?\d*?(?=/10))')



    0
0   10
1   9.5
2   5.

Answer 2

最简单的方法(\d+(?:\.\d*)?(?=/10))

---

样本

Nice job.10/10".
 "0.10/10", then it would be "0.10" 

基准

Regex1:   (\d+(?:\.\d*)?(?=/10))
Completed iterations:   50  /  50     ( x 1000 )
Matches found per iteration:   2
Elapsed Time:    1.04 s,   1038.38 ms,   1038383 µs
Matches per sec:   96,303

Answer 3

我将分子模式分为两种情况：一种为“。”。还有一个不带“。”。

• 带“。”的分子：\d+\.\d+
• 不带“。”的分子：\d+

因此，分子的模式将为(\d+\.\d+|\d+)。 将所有内容放在一起，我们得到(\d+\.\d+|\d+)/\d+。

如果正则表达式引擎不优先考虑更长的匹配项，则两部分的顺序很重要。将较长的选择放在第一位将为您提供最长的匹配。如果分子是十进制数，则选择整个分子（\d+\.\d+），而不仅仅是十进制部分（\d+）。