基于多规则拆分含数值与单位的Code列的技术求助

直接用pandas的str.extract配合正则表达式就能搞定，比apply+lambda高效得多，还能覆盖你所有的场景——包括只有单位的情况。

正则表达式说明 #

我们需要匹配两种核心场景：

• 既有数值又有单位（比如1KG、7.5LB、.5OZ）
• 只有单位（比如OZ）

对应的正则可以这么写：

^(\d*\.?\d+)?([A-Za-z]+)$

各部分含义：

• ^：匹配字符串开头，避免匹配中间的无关内容
• (\d*\.?\d+)?：匹配数值部分，支持多种格式：
  • 整数（1、50）
  • 带小数点的小数（7.5、11.023）
  • 开头仅带小数点的小数（.5）
  • 最后的?表示数值部分可以不存在（对应只有单位的情况）
• ([A-Za-z]+)：匹配单位部分，支持大小写字母组合（覆盖KG、G、LB、OZ、GM这些）
• $：匹配字符串结尾，确保单位是最后一部分

完整代码实现 #

import pandas as pd
import re

# 示例数据
data = {
    'Code': ['1KG', 'OZ', '50LB', '56G', '7.5LB', '.5OZ', '4GM', '11.023LB']
}
df = pd.DataFrame(data)

# 提取数值和单位，忽略大小写匹配
df[['Code Value', 'Code UOM']] = df['Code'].str.extract(r'^(\d*\.?\d+)?([A-Za-z]+)$', flags=re.IGNORECASE)

# 处理只有单位的情况，填充默认数值1
df['Code Value'] = df['Code Value'].fillna('1')

# 统一单位为大写（可选，根据需求调整）
df['Code UOM'] = df['Code UOM'].str.upper()

# 可选：把Code Value转为数值类型，方便后续计算
df['Code Value'] = pd.to_numeric(df['Code Value'])

# 输出拆分结果
print(df[['Code Value', 'Code UOM']])

运行结果 #

你原来代码的问题 #

1. 语法错误：字符串没有search方法，应该用re.search调用正则
2. 正则逻辑错误：没匹配数值部分，\Boz|kg|lb|g|gm\w+的写法无法定位单位的正确位置，也没考虑大小写
3. 未处理无数值的场景：没法生成默认的数值1

内容的提问来源于stack exchange，提问作者htank