如何在DataFrame的字符串列中提取特定度量值至新列？

需求概述 #

从数据集的name列字符串中提取度量值（仅匹配包含mg/ml/g的形式，如200ML、100MG），新增measurement列存储结果，无匹配值则填充NaN。

输入数据 #

期望输出 #

解决方案 #

不需要将列转为列表处理，直接使用Pandas的矢量化字符串方法结合正则表达式，可自动与原DataFrame的行对齐，避免匹配错位问题。

完整代码

import pandas as pd
import re
import numpy as np

# 构造示例数据集
data = {
    'name': [
        'A CERUMEN UNIDOSE B/10     AFR',
        'ACARILBIAL SOL EXT FL/200ML',
        'ACCULOL 0.5% CY FL/5ML',
        'ACEFLAMEX 100MG CP B/20',
        'ACFOL 5MG COMP B/25'
    ],
    'price': [125, 8569, 563, 12563, 896]
}
df = pd.DataFrame(data)

# 提取度量值：匹配数字+MG/ML/G（忽略大小写）
df['measurement'] = df['name'].str.extract(r'(\d+[MGMLgmL]+)', flags=re.IGNORECASE)

# 无匹配值填充为NaN（若需要字符串形式的"nan"，可替换为df['measurement'] = df['measurement'].fillna('nan')）
df['measurement'] = df['measurement'].fillna(np.nan)

print(df)

代码说明

1. 正则表达式：r'(\d+[MGMLgmL]+)'
   • \d+：匹配1个或多个数字
   • [MGMLgmL]+：匹配任意大小写的MG/ML/G组合，覆盖用户需求的所有格式
   • flags=re.IGNORECASE：忽略大小写，确保mg、ML等变体都能被匹配
2. str.extract方法：Pandas内置的字符串提取方法，会自动将匹配结果映射到对应行，无匹配则返回NaN，无需手动维护索引对齐
3. 填充NaN：根据需求选择填充为Pandas原生NaN或字符串形式的"nan"

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