Pandas str.extract正则提取Price_Min_COR对应值的正确写法

已知需求信息 #

• 待处理目标字符串：{'Price_Min_COR': 21561.32, 'Price_Max_COR': 21600}
• 起始定位字符：'Price_Min_COR':
• 结束定位字符：,
• 预期提取结果：21561.32

前期代码失效原因 #

1. 第一版正则用双引号包裹Price_Min_COR，和目标字符串里的单引号格式不匹配，无法命中起始位置
2. 第二版正则没有匹配'Price_Min_COR':后紧跟的空格，且\b单词边界放置位置错误，捕获逻辑失效
3. 未显式将字典对象转为字符串类型，部分场景下str访问器的匹配行为会出现异常

可用实现方案 #

正则提取方案 #

使用如下正则即可正确提取目标值，测试代码可直接运行：

import pandas as pd
import numpy as np

Open_Time_s=['2022-04-30 11:05:00+03:00','2022-04-30 11:10:00+03:00', np.nan, np.nan]
dici=[np.nan,np.nan,{'Price_Min_COR': 21561.32, 'Price_Max_COR': 21600},{'Price_Min_COR': 21561.32, 'Price_Max_COR': 21600}]
df = pd.DataFrame.from_dict({'OPEN_TIME':Open_Time_s,'dicts':dici})

# 正确正则提取代码
result = df[df['dicts'].notna()].dicts.astype(str).str.extract(r"'Price_Min_COR':\s*([^,]+)")
print(result)

正则逻辑说明：

• 'Price_Min_COR':：精准匹配指定的起始定位字符串，和目标格式完全对齐
• \s*：匹配冒号后任意数量的空白字符，兼容不同空格数量的场景
• ([^,]+)：捕获组，匹配所有非逗号的连续字符，遇到结束定位符逗号自动停止，捕获内容就是目标数值

更稳妥的非正则方案 #

如果列中存储的是原生字典对象，不需要转字符串用正则提取，直接取键值的方式稳定性更高，不会受字符串格式变动影响：

result = df[df['dicts'].notna()].dicts.apply(lambda x: x.get('Price_Min_COR'))
print(result)

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