如何从 Pandas DataFrame 中的字符串中提取数字？

使用 Pandas 从 DataFrame 字符串中提取数字

在数据分析中，经常需要从字符串中提取特定的模式或数据类型。对于 Pandas DataFrames，字符串列可能包含混合数据类型，包括字符和数字。本文解决了使用强大的 Pandas 库从此类字符串中提取数字的挑战。

考虑以下名为“df”的示例 DataFrame，其中包含一个名为“A”的列，其中包含字符串和数值的混合：

<code class="python">import pandas as pd
import numpy as np
df = pd.DataFrame({'A':['1a',np.nan,'10a','100b','0b'],
                   })</code>

我们的目标是隔离每个单元格中的数值，从而生成一个仅包含整数的干净列：

    A
0   1
1   NaN
2   10
3   100
4   0

使用正则表达式和捕获组

从字符串中提取数字的一种有效方法是结合使用正则表达式 (regex) 和捕获组。正则表达式允许我们指定匹配字符串中某些字符或序列的模式。捕获组使我们能够捕获并提取字符串的匹配部分。

在这种情况下，我们可以采用以下正则表达式模式：

(\d+)

此模式表示匹配的捕获组连续一个或多个数字 (d)。

使用“str.extract”方法将此模式应用于我们的 DataFrame：

<code class="python">df.A.str.extract('(\d+)')</code>

产生所需的结果：

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

捕获组成功提取了字符串的数字部分，忽略了字符。需要注意的是，此方法特定于整数，不适用于浮点值。

总之，利​​用带有捕获组的正则表达式提供了一种从字符串列中提取数字的简洁有效的方法在 Pandas DataFrame 中。通过采用这种技术，数据分析师可以有效地隔离数字数据以进行进一步的分析和操作。

以上是如何从 Pandas DataFrame 中的字符串中提取数字？的详细内容。更多信息请关注PHP中文网其他相关文章！