在Pandas DataFrame中提取带单位数值并统一单位至米的方法

嘿，我来帮你搞定这个需求！要从字符串里提取数值、识别单位并统一成米（或者你想要的其他单位），用正则表达式配合Pandas的操作就能轻松实现。下面一步步来：

步骤1：构造示例数据 #

首先咱们先把你给的示例数据做成DataFrame：

import pandas as pd

data = {
    "details": ["Distance", "Longest straight", "Top speed", "Full throttle"],
    "numbers": ["350m", "860m", "305km", "61 per cent"]
}
df = pd.DataFrame(data)

步骤2：编写处理函数（最灵活的方式） #

我推荐写一个自定义函数，用正则匹配数值和单位，然后根据单位做转换。这样不管后续有什么新单位（比如cm），都能轻松扩展：

import re

def process_number_string(s):
    # 正则匹配：捕获数字，以及可选的单位（m/km/per cent），兼容数字和单位间的空格
    match_result = re.match(r'(\d+)\s*(m|km|per cent)?', s.strip())
    if not match_result:
        return None  # 处理无法匹配的异常情况
    
    # 提取数值和单位
    raw_num = int(match_result.group(1))
    unit = match_result.group(2)
    
    # 根据单位转换数值
    if unit == 'km':
        return raw_num * 1000  # 千米转米
    elif unit == 'm' or unit == 'per cent':
        return raw_num  # 米直接保留，百分比提取数字
    else:
        return raw_num  # 其他未定义单位默认返回原数字

步骤3：应用函数到DataFrame #

把函数用apply方法作用到numbers列上，直接替换原列或者生成新列都可以：

# 替换原numbers列
df['numbers'] = df['numbers'].apply(process_number_string)

最终输出结果 #

运行完上面的代码，你的DataFrame就变成了：

扩展说明 #

• 如果你的数据里有小数（比如1.2km），只需要把正则里的(\d+)改成(\d+\.?\d*)，然后把int换成float就行。
• 如果想保留原列，生成新列的话，改成df['converted_numbers'] = df['numbers'].apply(process_number_string)即可。
• 要是有更多单位需要支持（比如cm转米除以100），直接在函数里加对应的判断分支就好。

内容的提问来源于stack exchange，提问作者doyz