如何在Pandas中拆分含字符与数字的列以提取包装规格？

原始数据 #

Prod_nbr| prod_name
5   Natural chip companyseasalt175g
66  cC Nacho cheese 172g
61  Smiths Crinkle cut chips chicken135g

期望输出 #

Prod_nbr|pack|prod_name
5          175g  Natural chip....
66         172g  cC Nacho cheese..
61         135g   Smiths Crinkle...

错误尝试代码 #

df['pack'] = df['prod_name'].str.extract(r'\d+\s*(\w{,5})\b').fillna('')[0]

正确实现方法 #

核心思路 #

• 提取prod_name末尾的数字+单位组合作为pack列
• 移除prod_name中的包装规格内容，保留纯产品名称

代码实现 #

# 提取包装规格：匹配字符串末尾的数字+字母组合
df['pack'] = df['prod_name'].str.extract(r'(\d+[a-zA-Z]+)$')

# 清理产品名称：移除包装规格并去除多余空格
df['prod_name'] = df.apply(lambda row: row['prod_name'].replace(row['pack'], '').strip(), axis=1)

补充说明 #

• 正则(\d+[a-zA-Z]+)$精准匹配末尾的数字+字母格式，适配示例中的175g/172g这类规格
• 如果你的数据中单位只有特定类型（比如仅g、kg、ml），可以把正则优化为(\d+(?:g|kg|ml|l))$，进一步缩小匹配范围

内容的提问来源于stack exchange，提问作者Shenkez