如何从字符串列表提取数字并在DataFrame生成按税率汇总的列

1. 需求说明 #

现有从DataFrame中提取的字符串列表：

['CGST- INPUT 9% MAHARASHTRA',
'SGST-INPUT 9% MAHARASHTRA',
'CGST INPUT @6% MAHARASHTRA',
'SGST INPUT @6% MAHARASHTRA',
'CGST- INPUT 2.50% MAHARASHTRA',
'SGST-INPUT 2.50% MAHARASHTRA',
'TDS ON OFFICE RENT',
'TDS ON CONTRACTOR',
'TDS ON CONSULTANTS',
'TDS ON OFFICE RENT (COMPANY)',
'TDS ON CONSULTANY FEE']

需完成以下操作：

• 从字符串中提取数字作为税率（Rate）
• 生成包含Rate、CGST、SGST、TDS列的DataFrame
• 按税率汇总对应税种的数值，最终输出格式示例：

2. 代码实现 #

使用Python的pandas库结合正则表达式完成处理，代码如下：

import pandas as pd
import re

# 原始字符串列表
col_list = [
    'CGST- INPUT 9%  MAHARASHTRA',
    'SGST-INPUT 9%  MAHARASHTRA',
    'CGST INPUT @6% MAHARASHTRA',
    'SGST INPUT @6% MAHARASHTRA',
    'CGST- INPUT 2.50%  MAHARASHTRA',
    'SGST-INPUT 2.50%  MAHARASHTRA',
    'TDS ON OFFICE RENT',
    'TDS ON CONTRACTOR',
    'TDS ON CONSULTANTS',
    'TDS ON OFFICE RENT (COMPANY)',
    'TDS ON CONSULTANY FEE'
]

processed_data = []
for col in col_list:
    # 提取税率：匹配整数或小数格式的数字
    rate_match = re.search(r'(\d+\.?\d*)%?', col)
    rate = rate_match.group(1) if rate_match else 'N/A'
    
    # 标记对应税种
    if 'CGST' in col:
        processed_data.append({'Rate': rate, 'CGST': 1, 'SGST': 0, 'TDS': 0})
    elif 'SGST' in col:
        processed_data.append({'Rate': rate, 'CGST': 0, 'SGST': 1, 'TDS': 0})
    elif 'TDS' in col:
        processed_data.append({'Rate': rate, 'CGST': 0, 'SGST': 0, 'TDS': 1})

# 转换为DataFrame并按税率汇总
df = pd.DataFrame(processed_data)
summary_df = df.groupby('Rate').sum().reset_index()
# 调整列顺序
summary_df = summary_df[['Rate', 'CGST', 'SGST', 'TDS']]

print(summary_df)

3. 代码说明 #

• 税率提取：通过正则表达式r'(\d+\.?\d*)%?'匹配字符串中的整数或小数，兼容带%符号的格式；TDS类无税率的标记为N/A
• 税种标记：通过字符串关键词判断税种，为对应列赋值1，其余列赋值0
• 分组汇总：按Rate分组后求和，得到各税率下对应税种的汇总数量（若需汇总金额，只需将初始赋值替换为对应金额即可）

内容的提问来源于stack exchange，提问作者Paras