从熊猫数据框中的变量中提取数值

Question

我试图仅从列表中所有列中提取数字值，无论它位于任何字符的右侧，左侧还是中间。

我有一个如下所示的数据框：

df = pd.DataFrame({
    'A': ['1', 3, "1", "cad -2", 3, 4.876, np.nan], 
    'B': ['116', 'CAD -2.6399', 'CAD -3', '4 $', '$5%', 'A', '-1.2 2']
})
df

我尝试了下面的代码，但它正在删除-从“ A”列第4行和“ B”列第3行

l = ["A", "B"]
for columns in l:
    if isinstance(df[columns], object):
        df[columns] = df[columns].astype('str').str.extract("([-+]?\d*\.\d+|\d+)").astype(float)
df

我希望我的最终数据框如下所示：

A      B
1     116 
3     -2.6399 
1     -3 
-2    4 
3     5 
4.876 NaN
NaN   -1.2

Answer 1

尝试使用str.extract（）和正则表达式查找float，如下所示：

df['B'] = df['B'].str.extract("([-+]?\d*\.\d+|[-+]?\d+)").astype(float)

注意：0个匹配项将返回np.nan，而2+个匹配项将返回第一个匹配项！

完整示例：

import pandas as pd
df = pd.DataFrame({
    'A': [1, 3, 1, 2, 3, 4, 2], 
    'B': ['116', 'CAD 2.6399', 'CAD 3', '4 $', '$5%', 'A', '1.2 2']
})
df['B'] = df['B'].str.extract("([-+]?\d*\.\d+|[-+]?\d+)").astype(float)
print(df)

返回：

   A         B
0  1  116.0000
1  3    2.6399
2  1    3.0000
3  2    4.0000
4  3    5.0000
5  4       NaN
6  2    1.2000

---

UPDATE ：您可以将其用于多个对象列：

for column in [i for i in df.columns if df[i].dtype == 'object']:
    df[column] = df[column].astype(str).str.extract("([-+]?\d*\.\d+|[-+]?\d+)").astype(float)

基于在此答案中找到的正则表达式： 如何从字符串中提取浮点数

Answer 2

尝试这个：

def get_first_nbr_from_str(input_str):
    '''
    :param input_str: strings that contains digit and words
    :return: the number extracted from the input_str
    demo:
    'ab324.23.123xyz': 324.23
    '.5abc44': 0.5
    '''
    if not input_str and not isinstance(input_str, str):
        return 0
    out_number = ''
    for ele in input_str:
        if (ele == '.' and '.' not in out_number) or ele.isdigit():
            out_number += ele
        elif out_number:
            break
    return float(out_number)

然后： df['B'].apply(get_first_nbr_from_str)