pandas 文本提取最大值和最小值

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

在做招聘网站 Python 爬虫时，取到薪资范围类似「5000-8000 元/月」这样的文本数据，意为每月的价格为 5000 到 8000，其中包含了最小值和最大值。为了数据分析方便，我们要将其中的最小值和最大值解析出来。

数据

本需求的数据如下：

import pandas as pd
from io import StringIO

data = '''
6000-10000 元/月
8000-13000 元/月
8000-10000 元/月
5000-8000 元/月
'''

df = pd.read_csv(StringIO(data), names=['x'])
df
'''
                x
0  6000-10000 元/月
1  8000-13000 元/月
2  8000-10000 元/月
3   5000-8000 元/月
'''

需要提取出每行文本中数值范围部分的最小值和最大值，如第一行，6000 为最小值、10000 为最大值。

思路

由于要处理的数据是文本，我们可以使用 Pandas 的 str 文本数据访问器来调用它的方法。通过分析我们又发现，最小值在文本最左侧，紧接着用「-」连接最大值，我们可以用 .str.split 传入「-」连字符号做分隔，分隔后列表的第一位（索引为 0）就是最小值。

最大值的前后是连字符和空格，我们可以用正则中的「｜」来表达这两个分隔符，分隔后第二个（索引为 1）为最大值。

最后，我们用 df.assign 来增加最大值和最小值两列。

代码

实现代码如下：

# 处理代码
(
    df.assign(最小值=df.x.str.split('-').str[0])
    .assign(最大值=df.x.str.split(r' |-').str[1])
)
'''
                x   最小值    最大值
0  6000-10000 元/月  6000  10000
1  8000-13000 元/月  8000  13000
2  8000-10000 元/月  8000  10000
3   5000-8000 元/月  5000   8000
'''

（完）

pandas 文本提取最大值和最小值

数据

思路

代码

相关内容