如何基于字符串中的数值，使用groupby对Pandas DataFrame分组？

方法1：正则提取分组键并分组 #

先从目标列中提取用于分组的整数部分，再进行分组操作：

import pandas as pd

df = pd.DataFrame({'x':['ab_c_1.0','ab_c_1.1','ab_c_12.0','ab_c_12.1','ab_c_123.0','ab_c_123.1']})

# 提取最后下划线后小数点前的整数作为分组键
group_keys = df['x'].str.extract(r'_(\d+)\.\d+', expand=False)
# 按提取的键分组
groups = df.groupby(group_keys)

# 输出分组结果
for key, group in groups:
    print(f"分组 {key}:")
    print(group)
    print()

方法2：字符串分割获取分组键 #

无需正则，通过字符串分割也能实现：

# 先按下划线分割取最后一段，再按小数点分割取整数部分
group_keys = df['x'].str.split('_').str[-1].str.split('.').str[0]
groups = df.groupby(group_keys)

for key, group in groups:
    print(f"分组 {key}:")
    print(group)
    print()

直接在groupby中嵌入提取逻辑（无额外列） #

如果不想生成中间列，可以直接把提取逻辑传入groupby：

groups = df.groupby(df['x'].str.extract(r'_(\d+)\.\d+', expand=False))

for key, group in groups:
    print(f"分组 {key}:")
    print(group)
    print()

运行后都会得到你期望的结果：

分组 1:
          x
0  ab_c_1.0
1  ab_c_1.1

分组 12:
           x
2  ab_c_12.0
3  ab_c_12.1

分组 123:
            x
4  ab_c_123.0
5  ab_c_123.1

原正则不生效的原因 #

你用的(\w+)_\w+中，\w仅匹配字母、数字和下划线，不包含小数点。所以对于ab_c_1.0这类字符串，它只能匹配到ab_c_1，无法正确提取出用于分组的完整数字标识。调整后的正则_(\d+)\.\d+专门匹配最后下划线后的数字格式，能精准提取分组所需的整数键。

内容的提问来源于stack exchange，提问作者doine