从 Pandas DF 的字符串列中提取数字

Posted

技术标签:

【中文标题】从 Pandas DF 的字符串列中提取数字【英文标题】:Extract numbers from string column from Pandas DF 【发布时间】:2021-05-26 07:39:44 【问题描述】:

我有下一个带有字符串列(“信息”)的 DataFrame:

df = pd.DataFrame( 'Date': ["2014/02/02", "2014/02/03"], 'Info': ["Out of 78 shares traded during the session today, there were 54 increases, 9 without change and 15 decreases.", "Out of 76 shares traded during the session today, there were 60 increases, 4 without change and 12 decreases."])

我需要将“Info”中的数字提取到同一 df 中的新 4 列中。

第一行的值为 [78, 54, 9, 15]

我已经尝试过

df[["new1","new2","new3","new4"]]= df.Info.str.extract('(\d+(?:\.\d+)?)', expand=True).astype(int)

但我认为这更复杂。

问候,

【问题讨论】:

【参考方案1】:

Extractall 可能更适合这项任务

df[["new1","new2","new3","new4"]] = df['Info'].str.extractall(r'(\d+)')[0].unstack()
         Date                                               Info new1 new2 new3 new4
0  2014/02/02  Out of 78 shares traded during the session tod...   78   54    9   15
1  2014/02/03  Out of 76 shares traded during the session tod...   76   60    4   12

【讨论】:

【参考方案2】:

据我所知,您是在尝试避免捕获数字的小数部分,对吧? ((?:\.\d+)? 部分。)

首先,如果你想要所有的匹配,你需要使用pd.Series.str.extractallextract 在第一个之后停止。

使用你的df,试试这个代码:

# Get a multiindexed dataframe using extractall
expanded = df.Info.str.extractall(r"(\d+(?:\.\d+)?)")

# Pivot the index labels
df_2 = expanded.unstack()

# Drop the multiindex
df_2.columns = df_2.columns.droplevel()


# Add the columns to the original dataframe (inplace or make a new df)
df_combined = pd.concat([df, df_2], axis=1)

【讨论】:

extractall 的文档:pandas.pydata.org/pandas-docs/stable/reference/api/…

以上是关于从 Pandas DF 的字符串列中提取数字的主要内容,如果未能解决你的问题,请参考以下文章

从pandas DataFrame中另一列中的位置给定的字符串列中提取字符[重复]

如何从字符串列中提取数字?

在pandas中提取包含多行和多列的JSON字符串列的部分

在 Pandas 中将字符串列转换为日期的有效方法(在 Python 中),但没有时间戳

pandas - 提取具有不同位置的不同字符集之间的数字

pandas - 合并字符串列不起作用(错误?)