如何从DataFrame中提取仅含kg、g、lb重量单位的子串

直接用Pandas字符串方法搭配正则提取即可实现需求，无匹配内容的行自动返回NaN，和期望输出完全对齐。

• 正则编写注意点：长度更长的单位kg、lb要放在g前面匹配，避免把kg中的单个g误识别为独立重量单位
• 兼容整数、小数两类重量数值，同时适配数字和单位间存在空格的不规范标注场景

完整代码 #

import pandas as pd

# 构造测试数据集（已修正原输入样例中字符串未闭合的语法错误）
df = pd.DataFrame({
    'fruits': ['Apple 12kg Fresh', '13g Orange', 'Fresh berries 1g', 'strawberry', 'kiwi 3.2lb']
})

# 正则匹配提取「数值+重量单位」片段
df['fruits'] = df['fruits'].str.extract(r'(\d+\.?\d*\s*(?:kg|lb|g))')

print(df)

运行输出 #

fruits
0   12kg
1    13g
2     1g
3    NaN
4  3.2lb

如果需要更严谨的匹配规则，避免误匹配g开头的其他词汇，可以在正则末尾增加单词边界符，修改为r'(\d+\.?\d*\s*(?:kg|lb|g)\b)'即可。

内容的提问来源于stack exchange，提问作者ugalmzze