如何在数据框列中过滤并仅保留 6 位数字[重复]答案

【问题标题】：How to filter and keep only 6 digit number in a dataframe column [duplicate]如何在数据框列中过滤并仅保留 6 位数字[重复]
【发布时间】：2018-01-26 15:57:56
【问题描述】：

我有数据框列。我只需要保留 6 位数字，所有其他数字都应命名为“无效”

输入

data['Post_Code'] 
629785
588778
760-\63
76063
76063
S4P2Z6
NP443HO
999999999
8
4
3
3
460803
460803
460803
760439
569139
ABVCD

预期输出

data['Cleaned_Post_Code']
629785
588778
Nil
Nil
Nil
Nil
Nil
Nil
Nil
Nil
Nil
Nil
460803
460803
460803
760439
569139
Nil

如何做到这一点。

【问题讨论】：

"应该被命名为 'Not Valid'" - 那么为什么在你的例子中它们被称为“Nil”呢？
与其替换为字符串“Nil”，不如使用更通用的值，例如None 或NaN。这样以后会轻松很多

标签： python regex pandas

【解决方案1】：

您可以通过正则表达式使用str.extract - ^ 用于字符串开头，\d{6} 用于6 digits 和$ 用于字符串结尾：

data['Cleaned_Post_Code'] = data['Post_Code'].str.extract('^(\d{6})$', expand=False)
print (data)
    Post_Code Cleaned_Post_Code
0      629785            629785
1      588778            588778
2       760-3               NaN
3       76063               NaN
4       76063               NaN
5      S4P2Z6               NaN
6     NP443HO               NaN
7   999999999               NaN
8           8               NaN
9           4               NaN
10          3               NaN
11          3               NaN
12     460803            460803
13     460803            460803
14     460803            460803
15     760439            760439
16     569139            569139
17      ABVCD               NaN

如果要替换NaNs 添加fillna:

data['Cleaned_Post_Code'] = (data['Post_Code'].str.extract('^(\d{6})$', expand=False)
                                              .fillna('Nill'))
print (data)
    Post_Code Cleaned_Post_Code
0      629785            629785
1      588778            588778
2       760-3              Nill
3       76063              Nill
4       76063              Nill
5      S4P2Z6              Nill
6     NP443HO              Nill
7   999999999              Nill
8           8              Nill
9           4              Nill
10          3              Nill
11          3              Nill
12     460803            460803
13     460803            460803
14     460803            460803
15     760439            760439
16     569139            569139
17      ABVCD              Nill

【讨论】：

投反对票的人，如果这个答案有问题，请让这个用户知道，以便他们修复它。
@jezrael，它不能正常工作，它仍然保留 5 位数字，所有其他数字都被过滤
@Rahulrajan - 数据似乎有些问题 - 是否可以使用 print(data['Post_Code'].head(20).tolist()) 创建更好的样本？
输出：['629785'，'588778'，'76063'，'76063'，'76063'，'651289'，'651289'，'764502'，'169038'，'540113' , '048622', '682485', '320017', '460803', '460803', '460803', '760439', '569139', '510547', '683684', '228213', '140118', ' 380018'、'389730'、'759152'、'416352'、'127370'、'520405'、'560208'、'538473']
我用data = pd.DataFrame({'Post_Code': ['629785', '588778', '76063', '76063', '76063', '651289', '651289', '764502', '169038', '540113', '048622', '682485', '320017', '460803', '460803', '460803', '760439', '569139', '510547', '683684', '228213', '140118', '380018', '389730', '759152', '416352', '127370', '520405', '560208', '538473'] }) 测试我的解决方案，行2,3,4 有3 次NaN。你得到相同的输出吗？

【解决方案2】：

data['Cleaned_Post_Code'] = np.where((data['Post_Code'].str.len()==6)\
                                    &(data['Post_Code'].str.isdigit()), 
                                     data['Post_Code'], 'Nil')

【讨论】：

请附上您的代码的简短说明。您还应该鼓励提出问题的人尝试自己解决问题。对此已经有了更好的答案。