Python从嵌套字典中提取特定文本：提取含ft/mi/FT/MI的距离值并新增distance字段

看起来你需要处理嵌套的字典列表（或Pandas DataFrame中的嵌套列），从每个子字典的state字段中提取带ft/mi/FT/MI的距离值，并添加到新的distance字段里。我来帮你修正代码逻辑，解决这个问题：

问题分析 #

你的原始代码没有正确处理嵌套结构——state字段并不是DataFrame的直接列，而是嵌套在class1列表的子字典中。直接对df['state']操作会报错，也无法遍历到每个子元素。

解决方案 #

根据你的数据结构，我提供两种常用场景的解决方法：

1. 纯Python字典列表处理 #

如果你的数据是原生Python列表字典，直接遍历嵌套结构并用正则提取即可：

import re
import json

# 你的原始数据
data = [
    { "id": 1243, "class1": [ {"count":5, "state": "Arizona 4.47ft" }, { "state": "Georgia 1023mi" } ] },
    { "id": 12438, "class1": [ {"count":2, "state": "Newyork 2022 NY 74.6 FT" }, { "state": "Indiana 747MI(In)" }, {"count":2, "state": "Florida 453mi FL" } ] }
]

# 定义正则：匹配整数/小数 + 可选空格 + 目标单位（保留原大小写）
distance_pattern = re.compile(r'(\d+\.?\d*\s?(?:ft|mi|FT|MI))')

# 遍历每个顶层元素
for top_item in data:
    # 遍历class1中的每个子字典
    for sub_item in top_item['class1']:
        # 从state字符串中匹配距离
        match_result = distance_pattern.search(sub_item['state'])
        if match_result:
            # 添加distance字段，去除可能的多余空格
            sub_item['distance'] = match_result.group(1).strip()

# 打印处理后的结果
print(json.dumps(data, indent=2))

2. Pandas DataFrame处理 #

如果你的数据已经存入Pandas DataFrame（从代码中的df推测），可以用apply函数处理嵌套的class1列：

import pandas as pd
import re

# 构造示例DataFrame
df = pd.DataFrame([
    { "id": 1243, "class1": [ {"count":5, "state": "Arizona 4.47ft" }, { "state": "Georgia 1023mi" } ] },
    { "id": 12438, "class1": [ {"count":2, "state": "Newyork 2022 NY 74.6 FT" }, { "state": "Indiana 747MI(In)" }, {"count":2, "state": "Florida 453mi FL" } ] }
])

distance_pattern = re.compile(r'(\d+\.?\d*\s?(?:ft|mi|FT|MI))')

# 定义处理每个class1列表的函数
def process_class_list(class_list):
    for sub_dict in class_list:
        match = distance_pattern.search(sub_dict['state'])
        if match:
            sub_dict['distance'] = match.group(1).strip()
    return class_list

# 对class1列应用处理函数
df['class1'] = df['class1'].apply(process_class_list)

# 输出处理后的结果
print(df.to_json(orient='records', indent=2))

正则表达式说明 #

• \d+\.?\d*：匹配整数（如1023）或小数（如4.47、74.6）
• \s?：匹配可选的空格，兼容74.6 FT这种带空格的格式
• (?:ft|mi|FT|MI)：非捕获组，精准匹配四种单位，保留原始大小写（比如不会把FT转成ft）

原始代码的问题总结 #

1. 错误地尝试直接访问df['state']，但state是嵌套在class1的子字典中，不是DataFrame的直接列
2. 没有遍历嵌套的class1列表，无法处理每个子元素的state字段

内容的提问来源于stack exchange，提问作者user18632871