如何用正则匹配Pandas Series中可变数字前缀的重量单位字符串？

问题背景 #

现有如下Pandas Series产品名称数据：

import pandas as pd
s = pd.Series({0: 'Açúcar Refinado UNIÃO Pacote 1kg',
 1: 'Açúcar Refinado QUALITÁ Pacote 1Kg',
 2: 'Açúcar Refinado DA BARRA Pacote 1kg',
 3: 'Açúcar Refinado CARAVELAS Pacote 1kg',
 4: 'Açúcar Refinado GUARANI Pacote 1Kg',
 5: 'Açúcar Refinado Granulado Doçúcar UNIÃO Pacote 1kg',
 6: 'Açúcar Refinado Light UNIÃO Fit Pacote 500g',
 7: 'Açúcar Refinado Granulado Premium UNIÃO Pacote 1kg',
 8: 'Açúcar Refinado UNIÃO 1kg - Pacote com 10 Unidades',
 9: 'Açúcar Refinado Granulado em Cubos UNIÃO Pote 250g',
 10: 'Açúcar Refinado Granulado Premium Caravelas Pacote 1kg',
 11: 'Acucar Refinado Uniao 1kg'})

需要提取其中代表产品重量的字符串（如1kg、500g），此前尝试的正则表达式无法适配重量前数字位数不固定的情况：

import re
s.str.extract(r"(.kg)|(.g)", flags = re.IGNORECASE)

解决方案 #

使用以下正则表达式即可匹配任意位数数字+重量单位的组合，同时支持大小写忽略：

s.str.extract(r"(\d+[kK]?[gG])", flags=re.IGNORECASE)

正则表达式说明 #

• \d+：匹配1个或多个数字，解决数字位数不固定的问题
• [kK]?：可选匹配字母k/K，兼容kg和g两种单位格式
• [gG]：匹配字母g/G，覆盖大小写不同的单位写法
• 外层括号()用于捕获需要提取的目标内容

执行结果 #

运行上述代码后，将得到包含所有重量字符串的Series：

0      1kg
1      1Kg
2      1kg
3      1kg
4      1Kg
5      1kg
6     500g
7      1kg
8      1kg
9     250g
10     1kg
11     1kg
dtype: object

内容的提问来源于stack exchange，提问作者INGl0R1AM0R1