从一列字符串中提取整数答案

【问题标题】：Extracting the integers from a column of strings从一列字符串中提取整数
【发布时间】：2019-07-10 15:00:15
【问题描述】：

我有 2 个数据帧：longdf 和 shortdf。 Longdf 是“主”列表，我需要基本上匹配从 shortdf 到 longdf 的值，匹配的值替换其他列中的值。 longdf 和 shortdf 都需要大量的数据清理。

目标是达到 df 的“目标”。我试图在我想要的地方使用 for 循环 1）提取 df 单元格中的所有数字，以及 2）从单元格中去除空白/单元格空间。第一：为什么这个 for 循环不起作用？第二：有没有更好的方法来做到这一点？

import pandas as pd

a = pd.Series(['EY', 'BAIN', 'KPMG', 'EY'])
b = pd.Series(['   10wow this is terrible data8 ', '10/ USED TO BE ANOTHER NUMBER/ 2', ' OMG 106 OMG ', '    10?7'])
y = pd.Series(['BAIN', 'KPMG', 'EY', 'EY' ])
z = pd.Series([108, 102, 106, 107 ])

goal = pd.DataFrame
shortdf = pd.DataFrame({'consultant': a, 'invoice_number':b})
longdf = shortdf.copy(deep=True)
goal = pd.DataFrame({'consultant': y, 'invoice_number':z})

shortinvoice = shortdf['invoice_number']
longinvoice = longdf['invoice_number']

frames = [shortinvoice, longinvoice]
new_list=[]

for eachitemer in frames:
    eachitemer.str.extract('(\d+)').astype(float) #extracing all numbers in the df cell
    eachitemer.str.strip() #strip the blank/whitespaces in between the numbers
    new_list.append(eachitemer)

new_short_df = new_list[0]
new_long_df = new_list[1]

【问题讨论】：

我很困惑，为什么你的shortdf和longdf完全一样？
好问题：我开始在这里提出一个更长的问题，但将其分解，并且从未更改过变量名。

标签： python pandas for-loop

【解决方案1】：

如果我理解正确，您希望获取一系列包含整数的字符串，并删除所有不是整数的字符。为此，您不需要 for 循环。相反，您可以使用简单的正则表达式来解决它。

b.replace('\D+', '', regex=True).astype(int)

正则表达式用空字符串替换所有不是数字的字符（由\D 表示），删除任何不是数字的字符。 .astype(int) 将系列转换为整数类型。您可以像往常一样将结果合并到您的最终数据帧中：

result = pd.DataFrame({
    'consultant': a, 
    'invoice_number': b.replace('\D+', '', regex=True).astype(int)
})

【讨论】：