Pandas: Zahlen aus Zeichenfolgen extrahieren

Bei der Arbeit mit Datenrahmen in Pandas ist es oft notwendig, numerische Informationen aus Zellen zu extrahieren, die keine enthalten -numerische Zeichen. Dies kann eine Herausforderung sein, aber Pandas bietet mehrere Methoden, die Ihnen dabei helfen, dies zu erreichen.

Str.extract() zur Zahlenextraktion verwenden

Eine effektive Methode zum Extrahieren von Zahlen aus Zeichenfolgen ist str.extract(). Mit dieser Methode können Sie ein reguläres Ausdrucksmuster angeben, das die numerischen Daten definiert, die Sie erfassen möchten.

Bedenken Sie den folgenden Datenrahmen:

import pandas as pd
import numpy as np
df = pd.DataFrame({'A':['1a',np.nan,'10a','100b','0b'],
                   })
print(df)

Ausgabe:

    A
0   1a
1   NaN
2   10a
3   100b
4   0b

Um die Zahlen aus jeder Zelle zu extrahieren, können Sie den folgenden regulären Ausdruck verwenden:

df.A.str.extract('(\d )')

Das Regex-Muster (\d) erfasst jede Folge einer oder mehrerer Ziffern. Die Klammern um das Muster erstellen eine Erfassungsgruppe, die verwendet wird, um den übereinstimmenden Teil der Zeichenfolge zurückzugeben.

Ausgabe:

0      1
1    NaN
2     10
3    100
4      0
Name: A, dtype: object

Wie Sie sehen können, wurden die gewünschten Zahlen erfolgreich aus jeder Zelle extrahiert, auch aus solchen, die nicht numerische Zeichen enthielten. Beachten Sie, dass diese Methode nur für ganze Zahlen und nicht für Gleitkommazahlen funktioniert.