如何处理 lambda 表达式中的正则表达式和 null 值？

Question

import pandas as pd
import re
df = pd.DataFrame({"A":['1324 cats',pd.np.nan,'There were 25647900 tickets',34254], "B":[543,678678,0,0]})

在一个示例 DataFrame 中，就像上面的那个一样，我正在尝试计算一个新列，我在其中提取任何连续的数字运行。在单元格中只有一个整数的情况下，当我将单元格值交给 re.search() 时，我将单元格值视为字符串，并且我正在尝试使用 pd.isna() 绕过空值，但我仍然得到以下错误：“'NoneType' 对象不可下标”

df['C'] = df['A'].apply(lambda x: re.search(r'\d+',str(x))[0] if not pd.isna(x) else x)

这种方法在不涉及 re 的过程中效果很好，如下所示：

df['C'] = df['A'].apply(lambda x: 'Y' if not pd.isna(x) else x)

Answer 1

您可以尝试将列转换为字符串类型，然后使用str.extract（相当于re.search）：

df['A'].astype(str).str.extract('(\d+)')

输出：

          0
0      1324
1       NaN
2  25647900
3     34254

注意：如果每一行都包含一个捕获（一些数字），您的代码将正常工作。 re.search 在未找到该模式时返回 None，因此 re.search(...)[0] 失败并触发该错误。