如何在其他列的基础上创建列，并可能在panda中使用regex

Question

df:

Id   Product_description     Vol
100  Oil 32cmX36cmx25cm 1s   1  
101  Oil 32cmX36cmx30cm 1M   1
102  bag 45cmx3f 1s          1
103  bag 45cmx32f 2L         2
104  BAG 45cmx32f 3 L        3
105  BELT 135L 50S           50
106  BELT 194L 50S           NaN
107  BELT 194L 50 L#144      NaN
108  BELT L                  NaN

我需要在这里做两件事：

1. 替换Vol列中的NaN。(最后一位后面跟单位，如"L"、"S"(
2. 根据Vol&产品description列

输出：

Id   Product_description     Vol  Unit(Check Vol and get Unit from Product_description)
100  Oil 32cmX36cmx25cm 1s   1     s 
101  Oil 32cmX36cmx30cm 1M   1     M
102  bag 45cmx3f 1s          1     s
103  bag 45cmx32f 2L         2     L
104  BAG 45cmx32f 3 L        3     L
105  BELT 135L 50S           50    S
106  BELT 194L 50S           50    S
107  BELT 194L 50 L#144      50    L
107  BELT L                  NaN   NaN

Answer 1

您可以使用带有命名捕获组的regex，extractall获取所有匹配，groupby+last保留最后一个，然后join返回原始数据帧：

(df
.drop(columns='Vol')
.join(df['Product_description']
.str.extractall('(?P<Vol>d+)s*(?P<Unit>[a-zA-Z]+)')
.groupby(level=0).last()
)
)

输出：

Id    Product_description  Vol Unit
0  100  Oil 32cmX36cmx25cm 1s    1    s
1  101  Oil 32cmX36cmx30cm 1M    1    M
2  102         bag 45cmx3f 1s    1    s
3  103        bag 45cmx32f 2L    2    L
4  104       BAG 45cmx32f 3 L    3    L
5  105          BELT 135L 50S   50    S
6  106          BELT 194L 50S   50    S
7  107     BELT 194L 50 L#144   50    L
8  108                 BELT L  NaN  NaN

注意。上述内容忽略了原来的"；Vol"；列，然后简单地从头开始再次提取数据。如果你不想覆盖潜在的不同值(尽管它们与字符串不匹配(，你可以这样做：

df2 = (df['Product_description']
.str.extractall('(?P<Vol>d+)s*(?P<Unit>[a-zA-Z]+)')
.groupby(level=0).last()
)
df.combine_first(df2)