Python 在极中解析带有数字和SI前缀的字符串

发布于03月29日

假设我有一个框架:

>>> import polars
>>> df = polars.DataFrame(dict(j=['1.2', '1.2k', '1.2M', '-1.2B']))
>>> df
shape: (4, 1)
┌───────┐
│ j     │
│ ---   │
│ str   │
╞═══════╡
│ 1.2   │
│ 1.2k  │
│ 1.2M  │
│ -1.2B │
└───────┘

我该如何解析上面的内容来得到:

>>> df = polars.DataFrame(dict(j=[1.2, 1_200, 1_200_000, -1_200_000_000]))
>>> df
shape: (4, 1)
┌───────────┐
│ j         │
│ ---       │
│ f64       │
╞═══════════╡
│ 1.2       │
│ 1200.0    │
│ 1.2e6     │
│ -1.2000e9 │
└───────────┘
>>>

推荐答案

你可以用str.extract()和str.strip_chars()来分割这些部分，然后用Expr.replace() + Expr.pow()得到结果:

df.with_columns(
    pl.col('j').str.strip_chars('KMB').cast(pl.Float32) *
    pl.lit(10).pow(
        pl.col('j').str.extract(r'(K|M|B)').replace(['K','M','B'],[3,6,9]).fill_null(0)
    )
)

┌─────────────┐
│ j           │
│ ---         │
│ f64         │
╞═════════════╡
│ 1.2         │
│ 1200.000048 │
│ 1.2000e6    │
│ -1.2000e9   │
└─────────────┘