python - 取行中不带标签的数值，正则表达式

Question

输入:

df=pd.DataFrame({'text':['value 123* 333','122* 666','722 888*']})
print(df)
             text
0  value 123* 333
1        122* 666
2        722 888*

我需要从df['text']中提取仅数值，但没有 *标签 我的代码:

df.text.str.extract(r'([0-9]+|[0-9]+\.[0-9]+)')

但是使用此代码，值带有 *返回右侧的字符。

预期输出:

text
333
666
722

Answer 1

您可以使用

df['text'].str.extract(r'(?=([0-9]+(?:\.[0-9]+)?))\1(?!\*)')

请参阅regex demo 。或者，您可能还需要在左侧使用 r'\b(?=([0-9]+(?:\.[0-9]+)?))\1(?!\*)'。请参阅this regex demo .

正则表达式详细信息

• (?=([0-9]+(?:\.[0-9]+)?)) - 正向前瞻，需要并将以下序列捕获到组 1 中右边的图案:
  • [0-9]+ - 1+ 位数字
  • (?:\.[0-9]+)? - 可选的 . 序列和 1+ 位数字。
• \1 - 第 1 组的值
• (?!\*) - 如果紧邻右侧有一个 * 字符，则表示匹配失败的负向前瞻。

查看Python测试:

>>> import pandas as pd
>>> df=pd.DataFrame({'text':['value 123* 333','122* 666','722 888*']})
>>> df['text'].str.extract(r'(?=([0-9]+(?:\.[0-9]+)?))\1(?!\*)')
0    333
1    666
2    722
Name: text, dtype: object
>>>