仅当数据框中存在字符串时才从字符串中提取数字答案

【问题标题】：Extracting number from string only when string is present in a dataframe仅当数据框中存在字符串时才从字符串中提取数字
【发布时间】：2021-12-26 21:35:03
【问题描述】：

我正在尝试提取一串数字，这些数字可能会在数据框中进行字符列表。如果没有字符，则无需对单元格进行任何操作。如果有字符，那么我希望这些字符成为外卖。我希望最终结果是同一列但没有字符。见例子。

之前：

ID	Price	Item Code
1	3.60	a/b 80986
2	4.30	45772
3	0.60	fF/6 9778
4	9.78	48989
5	3.44	\ 545
6	3.44	r. 509

结果：

ID	Price	Item Code
1	3.60	80986
2	4.30	45772
3	0.60	9778
4	9.78	48989
5	3.44	545
6	3.44	509

【问题讨论】：

标签： python pandas dataframe data-cleaning

【解决方案1】：

将Series.str.extract 与正则表达式模式r'(?:^|\s)(\d+) 一起使用：

(?:^|\s) 匹配字符串的开头 ('^') 或 ('|') 任何空白字符 ('\s') 而不捕获它 ((?:...))
(\d+) 捕获一个或多个数字（贪婪）

df['Item Code'] = df['Item Code'].str.extract(r'(?:^|\s)(\d+)', expand=False)

请注意，“项目代码”的值在提取后仍然是刺痛的。如果要将它们转换为整数，请使用 Series.astype。

df['Item Code'] = df['Item Code']str.extract(r'(?:\s|^)(\d+)', expand=False).astype(int)

输出

>>> df

   ID  Price Item Code
0   1   3.60     80986
1   2   4.30     45772
2   3   0.60      9778
3   4   9.78     48989
4   5   3.44       545
5   6   3.44       509

【讨论】：

这里需要注意的是，“Item Code”仍然是字符串数据类型。原始发帖人需要将数据类型更改为 INT 或任何下游分析所需的任何一种。
@AndrewHamel 好点，谢谢！我会将其添加到答案中。
@BobbyPlourde 请改用r'\b(\d+)\b'。 '\b' 表示单词边界。
试试df['Item Code'].str.extract(r'(^|\s+)(\d+)')[1].astype(int)
@hpchavaz 感谢您的建议！我会用一个非常相似的答案来更新答案。

【解决方案2】：

我认为使用正则表达式是解决方案：

import re

dt["Item code"] = list(map(lambda x:int(re.findall("\d+", x)[0]), dt["Item code"]))

【讨论】：