python - 提取美元金额

Question

以前有人问过这个问题，但我仍然无法完全解决这个问题。我有以下字符串示例:

"Transfer to Retirement Rsvs-MA FX                   .11"                
"Opening Balance                FX        342,536,002.63"     
"VA                 85.85"               
"VB                   .00"     
"Manual Adjustment              FX              6,838.36-"

我想将字符串中的美元/美分金额提取到数据框的单独列中。我有以下正则表达式:

rx = (r"(\$?(?:\d+,)*\d+\.\d+\-?)")

我尝试在数据框 (df) 中创建一个名为“dollars”的列

df2['dollars']=df2['description'].str.extract(rx)

除了像 .11 或 .00 这样的值，它在大多数情况下都有效，在这种情况下会返回 nan。我如何修改此表达式以使其在不带前导美元的情况下适用于美分？

非常感谢您的帮助!

string                                                       dollars
Transfer to Retirement Rsvs-MA FX                   .11      0.11
Opening Balance                FX        342,536,002.63      342,536,002.63
VA                    85.85                                  85.85
VB                   .00                                     .00
Manual Adjustment FX 6,838.36-                               6,836-

Answer 1

你可以使用

r'\$?(?<!\d)(?:\d{1,3}(?:,\d{3})*|\d{4,})?\.?\d+'

参见 regex demo

详情

• \$? - 一个可选的 $字符
• (?<!\d) - 确保左边没有数字
• (?:\d{1,3}(?:,\d{3})*|\d{4,})? - 两种模式之一:
  • \d{1,3}(?:,\d{3})* - 1 到 3 位数字后跟 0 次或多次出现的逗号和三位数字
  • | - 或者
  • \d{4,} - 四位数或更多位数
• \.? - 一个可选的点
• \d+ - 1 个以上数字。