问正则表达式从纯文本中获取计算机规范

EN

我有一个数据集，其中包含纯文本、关于计算机的描述，它们看起来类似于以下内容：

​

​

我试图根据文本预测价格，这是我的方法。由于我知道它们都是计算机，我将尝试使用正则表达式来解析CPU频率、内存、磁盘容量和屏幕大小.等等，所以你会有一个有固定列数的矩阵.你可以运行规则算法来预测价格(随机森林，线性回归.)。

然而，我仍然坚持正则表达式部分解析列:假设我试图从文本中解析频率，我想这将是一个数字，后面跟着"GHz“。

>>> re.findall(re.compile('([.\d]+) GHz'), '2.2 GHz 32 GB')
['2.2']

这是好的，然而，它的结果是正则表达式不是那么好。下面是我的正则表达式失败的几个条件：

>>> re.findall(re.compile('([.\d]+) GHz'), '2.2 ghz 32 GB')
[]
>>> re.findall(re.compile('([.\d]+) GHz'), '2.2 Ghz 32 GB')
[]
>>> re.findall(re.compile('([.\d]+) GHz'), '2.2GHz 32 GB')
[]

我不太擅长正则表达式，我想知道谁能告诉我怎么找到后面跟着"ghz“或”gigaHerz“的号码。在数字和度量单元之间可能有一些空白。。

PS:我知道R，我认为这可能是一个非常普遍的统计问题，即“如何根据一袋袋单词进行预测”。如果有人能给我指点更好的方法，我会非常感激的！