如何使用python从以列中的数字开头的字符串中提取数字答案

【问题标题】：how to extract numbers from a string that starts with numbers in a column using python如何使用python从以列中的数字开头的字符串中提取数字
【发布时间】：2020-04-15 00:04:42
【问题描述】：

我是 Python 新手，我有一个数据框，我想从中提取字符串开头的数字。例如：

import numpy as np
import pandas as pd
Test = {'Text': ['/CY1000 HZ 23 Street Arizona','/3456 BZ 33 Rue Avenue France','/2222 6th Street Madrid', np.nan],
    'Price': [22000,25000,27000,35000]}
df = pd.DataFrame(Test,columns= ['Text', 'Price'])

我想将 1000,3456,2222,NaN 放在另一列中，并将其余文本放在另一列中

Test = {'Text': ['/CY1000 HZ 23 Street Arizona','/3456 BZ 33 Rue Avenue France','/2222 6th Street Madrid', np.nan],
        'Text1': ['1000','3456','2222',np.nan],
    'Price': [22000,25000,27000,35000],
     'Text2': [ 'HZ 23 Street Arizona', 'BZ 33 Rue Avenue France','6th Street Madrid', 'Nan']}
df = pd.DataFrame(Test,columns= ['Text', 'Text1','Text2','Price'])

提前致谢

【问题讨论】：

标签： python regex string dataframe

【解决方案1】：

这会让你得到数字：

^(?:[^0-9]+)?([0-9]+)

你想要的数据会在\1里面

https://regex101.com/r/i4YfeV/1

【讨论】：

谢谢，它工作得很好，但是有没有办法像你一样拆分并拥有 Text1 和另一列，其中包括 ['HZ 23 Street Arizona','BZ 33 Rue Avenue France' ,'6th Street Madrid','Nan'] 没有我们提取的数字？
@Yagmur 是的，我确信 Python 有办法做到这一点，但我不是 Python 程序员。您应该能够提取数字并将其放入数据框中，然后使用某种替换并将其余部分保存到单独的数据框中

【解决方案2】：

您使用此代码从字符串中提取数字。

    import re
    Test = {'Text': ['/CY1000 HZ 23 Street Arizona','/3456 BZ 33 Rue Avenue France','/2222 6th Street Madrid'],
        'Price': [22000,25000,27000,35000]}
    print(Test['Text'])
    temp = re.findall(r'^(?:[^0-9]+)?([0-9]+)', Test['Text'][0]) 
    print(temp)
    temp1 = re.findall(r'^(?:[^0-9]+)?([0-9]+)', Test['Text'][1]) 
    print(temp1)

输出将是：

[1000]
[3456]

【讨论】：

非常感谢。我还有什么方法可以拆分并像您一样拥有 Text1 和另一列，其中包括 ['HZ 23 Street Arizona','BZ 33 Rue Avenue France','6th Street Madrid','Nan'] 没有我们提取的数字？
你也想处理 NAN 吗？
是的，因为可能存在不以数字开头的情况。谢谢

【解决方案3】：

Test = {'Text': ['/CY1000 HZ 23 Street Arizona','/3456 BZ 33 Rue Avenue France','/2222 6th Street Madrid', np.nan],
    'Price': [22000,25000,27000,35000]}
df = pd.DataFrame(Test,columns= ['Text', 'Price'])

vals= []
for x in df.Text:
    if x is np.nan:
        x=""
    num = re.findall(r'\d+',x)
    if len(num)>0:
        vals.append(num[0])
    else:
        vals.append(np.nan)

print(vals)

df['Text1'] = vals
print(df)

输出：

['1000', '3456', '2222', nan]
                            Text  Price Text1
0   /CY1000 HZ 23 Street Arizona  22000  1000
1  /3456 BZ 33 Rue Avenue France  25000  3456
2        /2222 6th Street Madrid  27000  2222
3                            NaN  35000   NaN

[编辑] 如果对于正则表达式，您可以使用：

'/?([A-Z]+)?([0-9]+){1}'

比赛将在第 2 组，即 /2。

[EDIT2] 如果对于正则表达式，您可以使用它来仅提取地址（基于评论）：

'/?([A-Z]+)?([0-9]+){1} ([0-9A-Za-z ]+)'

比赛将在第 3 组，即 /3。

【讨论】：

非常感谢。我还有什么方法可以拆分并像您一样拥有 Text1 和另一列，其中包括 ['HZ 23 Street Arizona','BZ 33 Rue Avenue France','6th Street Madrid','Nan'] 没有我们提取的数字？
'/?([AZ]+)?([0-9]+){1} ([0-9A-Za-z ]+)' 使用此正则表达式并提取第 3 组，即/3.
谢谢。但是，如果我有一行 ' Name_A Ltd 3 没有。 Street Madrid' 而不是 ''/2222 6th Street Madrid'' 那么你的代码给我 3 而不是 NaN。但是，它不应该给我，因为该行不是以 3 开头的。您知道是否有解决该问题的方法吗？
我没有完全理解您要说的内容，您能否详细说明一下。
很抱歉给您带来了困惑。即如果我的“文本”：['/CY1000 HZ 23 Street Arizona'，'/3456 BZ 33 Rue Avenue France'，'Name_A Ltd 3 no。 Street Madrid', np.nan] 并按照您的建议执行正则表达式我会得到 [('CY', '1000', 'HZ 23 Street Arizona'), ('', '3456', 'BZ 33 Rue Avenue France '), ('', '3', '马德里'), nan]。但是，我想在我的第 2 组中有 1000,3456，Nan，Nan 在我的第 3 组中我应该有'HZ 23 Street Arizona'，'BZ 33 Rue Avenue France'，'Name_A Ltd 3 no。街道马德里'，南。是不是更清楚了？