如何从Pandas的income文本列中提取首个出现的英镑价格？

解决方案 #

直接使用Pandas的str.extract()方法即可，该方法默认返回每行第一个符合正则规则的匹配结果，刚好匹配你提取首个英镑价格的需求：

# 正则说明：匹配£符号后，由数字、逗号、可选小数点及后续数字组成的价格内容
price_pattern = r'£([\d,]+\.?\d*)'
# 提取结果存入新列
df1['first_income'] = df1['Income'].str.extract(price_pattern)

针对你给出的示例数据，提取后得到的结果依次为：1,000000、1,000,050、15000000、520000，符合预期。

如果需要把提取到的文本价格转为可计算的数值类型，可以追加一步处理：

# 移除千位逗号后转为浮点型
df1['first_income'] = df1['first_income'].str.replace(',', '').astype(float)

原有代码问题说明 #

• 第一段代码使用str.split()是按照匹配规则拆分字符串，并非提取内容，且你使用固定长度的.匹配价格，适配性极差，自然会匹配到多个英镑符号。
• 第二段代码将整列df1['Income']直接转为字符串，相当于把所有行的内容拼接为一个长字符串再匹配，无法得到每行独立的首个价格结果。

内容的提问来源于stack exchange，提问作者Alex B