从字符串提取数值（正则表达式求助）：DataFrame中提取城市温度值

核心思路 #

利用正则表达式匹配文本中的数值，结合pandas的str.extract()方法批量处理DataFrame的文本列，快速提取每个城市对应的温度值。

具体实现方法 #

方法1：通用匹配所有浮点数/整数

如果文本里的温度可能是整数（如22）或小数（如35.5），可以用兼容两种格式的正则表达式：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({
    'city_desc': [
        "NYC experienced a temperature of 35.5 degrees centigrade",
        "London had a high of 22 degrees today",
        "Tokyo recorded 18.7 degrees centigrade this afternoon"
    ]
})

# 提取温度并转为数值类型
df['temperature'] = df['city_desc'].str.extract(r'(\d+\.?\d*)').astype(float)

# 输出结果
print(df)

输出结果会新增一列temperature，对应每个字符串里的温度数值：

city_desc  temperature
0  NYC experienced a temperature of 35.5 degrees c...         35.5
1                London had a high of 22 degrees today         22.0
2  Tokyo recorded 18.7 degrees centigrade this af...         18.7

方法2：精准匹配固定结构文本

如果你的文本格式统一（比如都包含"temperature of X degrees"），可以用更精准的正则，避免匹配文本中其他无关数值：

df['temperature'] = df['city_desc'].str.extract(r'temperature of (\d+\.\d+) degrees').astype(float)

这个正则只会捕获"temperature of "和" degrees"之间的小数数值，适合格式高度统一的场景。

注意事项 #

• 如果需要提取所有匹配的数值（比如文本中有多个数值），可以改用str.extractall()方法。
• 若提取后出现NaN，说明对应的字符串中没有匹配到符合规则的数值，需要检查文本格式或调整正则表达式。

内容的提问来源于stack exchange，提问作者Jamie