如何用Python正则表达式提取数字+指定关键词并写入Pandas新列

我有一个存储字符串文本的Pandas DataFrame，示例如下：

descripton
..32 cars are coming full of attendees..
..64 attendees..
..8 participants are allowed..

需要使用正则表达式提取紧跟指定关键词（participant/participants、attendant/attendees）的数字与关键词组合，预期输出为：

64 attendees
8 participants 

并将结果保存到Pandas的新列中。我尝试了以下代码：

data['affluence0'] = data['description'].str.findall(r'\d+(?= [personnes|participants|membres])')

但该代码会提取列中所有数字及所有指定关键词，我需要仅提取紧跟指定关键词的数字与关键词组合。

修正正则表达式 #

你之前的正则存在两个问题：一是仅捕获数字（用了正向预查(?=)只匹配数字位置），二是关键词分组写法错误（[]是字符集，里面的|会被当作普通字符，无法实现“或”逻辑）。要捕获数字+关键词的完整组合，使用以下正则：

r'\d+\s+(attendee[s]?|participant[s]?)'

正则说明：

• \d+：匹配1个及以上数字
• \s+：匹配1个及以上空白字符（适配空格、制表符等场景）
• (attendee[s]?|participant[s]?)：匹配attendee/attendees或participant/participants，[s]?表示s为可选字符，覆盖单复数形式

应用到Pandas列 #

根据每行的匹配数量选择对应方法：

场景1：每行最多1个目标组合

用str.extract直接提取单个匹配项，返回Series格式：

data['affluence0'] = data['description'].str.extract(r'(\d+\s+(attendee[s]?|participant[s]?))', expand=False)

场景2：每行可能存在多个目标组合

用str.findall提取所有匹配项后，用join合并为字符串：

data['affluence0'] = data['description'].str.findall(r'\d+\s+(attendee[s]?|participant[s]?)').str.join(', ')

测试验证 #

用示例数据测试第一种场景的代码：

import pandas as pd

data = pd.DataFrame({
    'description': [
        '..32 cars are coming full of attendees..',
        '..64 attendees..',
        '..8 participants are allowed..'
    ]
})

data['affluence0'] = data['description'].str.extract(r'(\d+\s+(attendee[s]?|participant[s]?))', expand=False)
print(data['affluence0'])

输出结果：

0    NaN
1    64 attendees
2    8 participants
Name: affluence0, dtype: object

第一行因数字32对应关键词不符合要求，返回NaN，完全符合预期。

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