大家好，我是皮皮。

一、前言

前几天在Python最强王者群【HZL】问了一个Python正则表达式的问题，这里拿出来给大家分享下。

截图如下图所示：

单独跑的这一行，跑出了下图这个。

这个报错是你提取了4列，应该赋值给4列，而不应该是1列。

二、实现过程

这里【大锤子】给了一个思路，你可以把报错信息报回给GPT，让其帮忙解决。

后来【瑜亮老师】给了一个代码，如下所示：

df = pd.DataFrame({'price_range': ['R32 ($16,500,00.01 to $20,000,00)',
                                   'R43 ($5,000,000.00 to $8,000,000.50)',
                                   'R15 (below $1,000,000)']})
# re提取金额数字
df['temp'] = df['price_range'].map(lambda x: re.findall(r'\$([0-9,.]+)', x))
# 补全min和max
df['temp'] = df['temp'].map(lambda x: ['0'] + x if len(x) == 1 else x)
# 去掉原金额中的逗号
df['temp'] = df['temp'].map(lambda x: '。'.join(x).replace(',', ''))
# 将数据拆解为两列
df2 = df['temp'].str.split('。', expand=True)
df2.columns = ['min_price', 'max_price']
print(df2)

代码略显繁琐，实现了需求。顺利地解决了粉丝的问题。

后来【瑜亮老师】用pd.to_numeric转换字符串为浮点型，也是可以的。

代码如下：

方法二：
# # re提取金额数字
df['temp'] = df['price_range'].map(lambda x: re.findall(r'\$([0-9,.]+)', x))
# # 补全min和max
df['temp'] = df['temp'].map(lambda x: '。'.join(['0'] + x) if len(x) == 1 else '。'.join(x))
# 将数据拆解为两列
df2 = df['temp'].str.split('。', expand=True)
# 把金额数字转换为浮点型
df2 = df2.replace({',': ''}, regex=True).apply(pd.to_numeric)
df2.columns = ['min_price', 'max_price']
print(df2)

三、总结

大家好，我是皮皮。这篇文章主要盘点了一个Python正则表达式的问题，文中针对该问题，给出了具体的解析和代码实现，帮助粉丝顺利解决了问题。

最后感谢粉丝【HZL】提问，感谢【༺࿈黑科技·鼓包࿈༻】、【大锤子】、【瑜亮老师】、【隔壁😼山楂】给出的思路和代码解析，感谢【eric】等人参与学习交流。

【提问补充】温馨提示，大家在群里提问的时候。可以注意下面几点：如果涉及到大文件数据，可以数据脱敏后，发点demo数据来（小文件的意思），然后贴点代码（可以复制的那种），记得发报错截图（截全）。代码不多的话，直接发代码文字即可，代码超过50行这样的话，发个.py文件就行。

[图片上传失败...(image-380e61-1684237515839)]