Pandas : extraire des nombres à partir de chaînes

Lorsque vous travaillez avec des blocs de données dans Pandas, il est souvent nécessaire d'extraire des informations numériques à partir de cellules qui contiennent des éléments non -caractères numériques. Cela peut être difficile, mais Pandas propose plusieurs méthodes pour vous aider à y parvenir.

Utiliser str.extract() pour l'extraction de nombres

Une méthode efficace pour extraire des nombres de les chaînes sont str.extract(). Cette méthode vous permet de spécifier un modèle d'expression régulière qui définit les données numériques que vous souhaitez capturer.

Considérez le bloc de données suivant :

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

Sortie :

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

Pour extraire les nombres de chaque cellule, vous pouvez utiliser l'expression régulière suivante :

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

Le modèle regex (\d ) capture toute séquence d'un ou plusieurs chiffres. Les parenthèses autour du motif créent un groupe de capture, qui est utilisé pour renvoyer la partie correspondante de la chaîne.

Sortie :

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

Comme vous pouvez le constater, les nombres souhaités ont été extraits avec succès de chaque cellule, même ceux qui contenaient des caractères non numériques. Notez que cette méthode ne fonctionnera que pour les nombres entiers et non pour les nombres à virgule flottante.