如何使用正则表达式从数据框中分离数字？

Posted 2023-03-12

【中文标题】如何使用正则表达式从数据框中分离数字？

【英文标题】：How to separate numbers from a data frame using regular expression?

【发布时间】：2019-11-01 09:32:16

【问题描述】：

我已将 Excel 工作表中的一整列读入数据框。该列中的每个单元格都有一堆带数字的单词（如电话号码）。如何循环数据框并使用正则表达式使用特定模式提取数字。

我试过下面的代码

for i in (df): 
   df.str.contains('(4[0-9]12([0-9]3)|[25][1-7][0-9]14|6(011|5[0-9][0-9])[0-9]12|3[47][0-9]13')

我知道我的正则表达式错误，但我收到以下错误。

编辑：我已经更新了我的正则表达式。单元格有这样的数据

“你好，我想点东西……我的卡号是 45621……” 我想把卡号拿出来存一个文件。

Traceback (most recent call last):
  File "c:/Program Files/Python37/Scripts/output.py", line 12, in <module>
    df.str.contains('^f')
  File "C:\Program Files\Python37\lib\site-packages\pandas\core\generic.py", line 5067, in __getattr__
    return object.__getattribute__(self, name)
AttributeError: 'DataFrame' object has no attribute 'str'

【问题讨论】：

***.com/questions/3868753/…

添加一些示例数据，以便我们查看您的“特定模式”是什么样的。

.str 是为 Series 对象定义的，而不是 DataFrame 对象。请阅读docs

@Erfan 是的，我添加了一个示例模式。

【参考方案1】：

先导入正则表达式

import re

最好新建一列

df['new_1'] = re.search('4[0-9]12([0-9]3)|[25][1-7][0-9]14|6(011|5[0-9][0-9])[0-9]12|3[47][0-9]13', df['<num_col_name>'])

现在检查new_1 列

df['new_1]

您还没有发布您想要浏览的专栏，所以我不得不使用您输入的字符串。

【参考方案2】：

现在你正在打电话给df.str。这意味着您正在尝试访问数据框的 str 对象，这对 python 没有意义，因此会出现错误。不知道你想在那里做什么。在您的循环中，i 将是列。从那里您可以遍历行，然后应用正则表达式。这在整个堆栈溢出中都有记录，但可能不是您想要采用的方法。

相反，您应该创建一个函数，将单元格作为字符串接收并输出正则表达式后的字符串。然后，您可以在 pandas 中使用 apply() 将该函数一次全部应用于每个单元格。如果你用谷歌搜索“apply() pandas regex”，一堆不同的例子会告诉你如何做到这一点。一个这样的例子是this one。

如果您提供更多关于您尝试完成的正则表达式的详细信息，我们可以帮助您更详细地制作上述结构。

【讨论】：

他很可能尝试使用 pandas 提供的字符串访问器。使用apply 不应该是他的首选，即使是列表理解也会更好。

我添加了更多信息。谢谢！