Pandas: 文字列から数値を抽出する

Pandas でデータ フレームを操作する場合、多くの場合、非文字列が含まれるセルから数値情報を抽出する必要があります。 -数字。これは難しいかもしれませんが、Pandas はこれを達成するのに役立ついくつかの方法を提供します。

数値抽出に str.extract() を使用する

数値を抽出する効果的な方法の 1 つ文字列は str.extract() です。このメソッドを使用すると、キャプチャする数値データを定義する正規表現パターンを指定できます。

次のデータ フレームを考えてみましょう:

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

出力:

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

各セルから数値を抽出するには、次の正規表現を使用できます:

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

正規表現パターン (\d ) は、1 つ以上の任意の数字のシーケンスをキャプチャします。パターンを囲む括弧は、文字列の一致部分を返すために使用されるキャプチャ グループを作成します。

Output:

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

ご覧のとおり、数値以外の文字が含まれている場合でも、目的の数値が各セルから正常に抽出されました。このメソッドは整数に対してのみ機能し、浮動小数点数に対しては機能しないことに注意してください。