如何拆分DataFrame字符串列，提取描述、数值与单位字段

问题场景 #

现有一个包含description列的DataFrame，数据如下：

description
link Miami portforward 155 gb
Link Berlin main  10 mbps
link Mexico sub-rout 1 mb

需要将其拆分为三列：保留去除数值和单位后的描述文本、提取数值、提取单位，目标输出格式：

description                value      unit
link Miami portforward      155        gb
Link Berlin main            10         mbps
link Mexico sub-rout         1         mb

此前尝试[x for x in column if x isdigit()]的方式完全无效，以下是可行解决方案。

解决方案 #

利用正则表达式匹配文本结构，结合pandas的str.extract方法拆分列：

1. 核心思路：每行文本的结构为「描述文本 + 数值 + 单位」，用正则表达式分别匹配这三部分内容。
2. 代码实现：

   import pandas as pd
   
   # 构造示例DataFrame
   df = pd.DataFrame({
       'description': [
           'link Miami portforward 155 gb',
           'Link Berlin main  10 mbps',
           'link Mexico sub-rout 1 mb'
       ]
   })
   
   # 正则提取并拆分列
   df[['description', 'value', 'unit']] = df['description'].str.extract(
       r'^(.*?)\s+(\d+)\s+(\w+)$', 
       expand=True
   )
   
   # 打印对齐后的结果
   print(df.to_string(index=False))
   

正则表达式说明 #

• ^(.*?)：非贪婪匹配开头到数值前的所有文本，确保只保留描述部分；
• \s+(\d+)：匹配数值（一个或多个连续数字）；
• \s+(\w+)$：匹配结尾的单位（由字母组成的字符串）。

原方法无效原因 #

[x for x in column if x isdigit()]是逐个遍历字符串字符，只能提取单个数字字符，无法识别连续的数值整体，也不能区分数值和单位，因此无法满足需求。

内容的提问来源于stack exchange，提问作者pouchewar