Pandas: extraindo números de strings

Ao trabalhar com quadros de dados no Pandas, muitas vezes é necessário extrair informações numéricas de células que contêm não -caracteres numéricos. Isso pode ser desafiador, mas o Pandas fornece vários métodos para ajudá-lo a conseguir isso.

Usando str.extract() para extração de números

Um método eficaz para extrair números de strings é str.extract(). Este método permite que você especifique um padrão de expressão regular que define os dados numéricos que você deseja capturar.

Considere o seguinte quadro de dados:

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

Saída:

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

Para extrair os números de cada célula, você pode usar a seguinte expressão regular:

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

O padrão regex (\d ) captura qualquer sequência de um ou mais dígitos. Os parênteses ao redor do padrão criam um grupo de captura, que é usado para retornar a parte correspondente da string.

Saída:

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

Como você pode ver, os números desejados foram extraídos com sucesso de cada célula, mesmo aquelas que continham caracteres não numéricos. Observe que este método só funcionará para números inteiros e não para números de ponto flutuante.