在单个Pandas Dataframe列中将字符串与数字分开，并创建两个新列

Question

我很震惊，以前没有人在SO上问过这个问题。因为这看起来像是一个简单的问题。

我在pandas Dataframe中只有一列，看起来像这样：

df = pd.DataFrame(data=[['APPLEGATE WINERY    455.292049'],['AMAND FARM  849.827192'],['COBB FARM ST    1039.49357'],['DIRIGIA 2048.947284']], columns = ['Col1'])

    Col1
0   APPLEGATE WINERY 455.292049
1   AMAND FARM 849.827192
2   COBB FARM ST 1039.49357
3   DIRIGIA 2048.947284

我只想将字符串字符与数字分开，所以结果应如下所示

Name                Area
APPLEGATE WINERY    455.292049
AMAND FARM          849.827192
COBB FARM ST        1039.49357
DIRIGIA             2048.947284

我知道我可以在python中使用正则表达式，但是这似乎有点矫kill过正，因为a）只是数据类型的分离，b）字符串的长度不同，数字的位数不同。

因此，一个结果将开始如下所示：

df['Name'] = df.Col1.str.extract('([A-Z]\w{0,})', expand=True)
df['Area'] = df.Col1.str.extract('(\d)', expand=True)

但是，有没有一种不错的，干净的解决方案可以解决此问题，而又不必经历使用RegEx并将代码中的字符串与数字分成两列的麻烦？

Answer 1

使用一个extract电话。如果使用此正则表达式，您还希望从结果中去除尾随空格。

df2 = (df['Col1'].str.extract(r'(?P<Name>.*?)(?P<Area>\d+(?:\.\d+)?)')
                 .applymap(str.strip))
df2
               Name         Area
0  APPLEGATE WINERY   455.292049
1        AMAND FARM   849.827192
2      COBB FARM ST   1039.49357
3           DIRIGIA  2048.947284

正则表达式分解

(?P<Name>   # first named capture group - "Name"
    .*?     # match anything (non-greedy)
)
(?P<Area>   # second named group - "Area"
    \d+     # match one or more digits,
    (?:     
       \.   # decimal
       \d+  # trailing digits
    )?      # the `?` indicates floating point is optional
)

PS，将“面积”列转换为数字，请使用pd.to_numeric。