Pandas: извлечение чисел из строк

При работе с фреймами данных в Pandas часто необходимо извлечь числовую информацию из ячеек, содержащих не -числовые символы. Это может быть непросто, но Pandas предоставляет несколько методов, которые помогут вам в этом.

Использование str.extract() для извлечения чисел

Один эффективный метод извлечения чисел из строки — это str.extract(). Этот метод позволяет вам указать шаблон регулярного выражения, который определяет числовые данные, которые вы хотите захватить.

Рассмотрим следующий фрейм данных:

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

Вывод:

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

Чтобы извлечь числа из каждой ячейки, вы можете использовать следующее регулярное выражение:

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

Шаблон регулярного выражения (\d) фиксирует любую последовательность из одной или нескольких цифр. Круглые скобки вокруг шаблона создают группу захвата, которая используется для возврата совпавшей части строки.

Вывод:

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

Как видите, нужные числа были успешно извлечены из каждой ячейки, даже из тех, которые содержали нечисловые символы. Обратите внимание, что этот метод будет работать только для целых чисел, а не для чисел с плавающей запятой.