使用正则表达式在数据框中提取数字以获取高度（ft，in）

Question

我正在尝试使用正则表达式从我的Pandas数据框[height]中的列中提取数字。列中的数据使用ft并在以下位置以字符串形式列出：例如“ 5ft 6in”。为了可视化此数据以供将来分析，我需要将此格式转换为完全以英寸为单位并为整数。到目前为止，我已经使用下面的第一行代码成功创建了列height_feet。但是，我在提取英寸height_in时遇到了麻烦。

 modcloth_df = modcloth_df.assign(height_feet = modcloth_df['height'].str.extract('(\d+)'))
 modcloth_df = modcloth_df.assign(height_in = modcloth_df['height'].str.extract('((\d+)in)'))
 modcloth_df.head()

这将导致回溯：

ValueError: Wrong number of items passed 2, placement implies 1

这可追溯到第二行以提取英寸。然后，我想使用两个整数将一列分配为total_height。

Answer 1

• 使用re.findall从给定格式中提取数字
• 将值转换为re.findall，以英寸为单位计算并返回值

int

• [在某些情况下

  import pandas as pd
  import re
  
  # create dataframe
  df = pd.DataFrame({'height': ['5ft 6in', '6ft 0in']})
  
  # function to extract numbers, convert and return inches
  def convert_to_inches(x):
      values = re.findall(r'\d+', x)
      return int(values[0]) * 12 + int(values[1])
  
  
  # apply the function
  df['height_in'] = df.height.apply(convert_to_inches)
  
  # output
      height  height_in
  0  5ft 6in         66
  1  6ft 0in         72

  列不包含height

in

Answer 2

另一种尝试，未导入

df = pd.DataFrame({'height': ['5ft 6in', '6ft 0in', '6ft']})

def convert_to_inches(x):
    values = re.findall(r'\d+', x)
    ft = int(values[0])
    try:
        inches = int(values[1])
    except IndexError:
        inches = 0
    return ft * 12 + inches


df['height_in'] = df.height.apply(convert_to_inches)


# output
    height  height_in
0  5ft 6in         66
1  6ft 0in         72
2      6ft         72

模块（re）：

explanation of the regex

打印：

import pandas as pd

modcloth_df = pd.DataFrame({'height':
                            ['5ft 6in',
                             '4ft 1in',
                             '    6in',
                             '3ft']})


modcloth_df[ ['height_feet', 'height_in'] ] = modcloth_df['height'].str.extract(r'(?:(\d+)ft)?\s*(?:(\d+)in)?').fillna(0).astype(int)
modcloth_df[ 'total_height' ] = modcloth_df[ 'height_feet' ] * 12 + modcloth_df['height_in']
print(modcloth_df)