从字符串中提取带有特殊字符的数值，但删除这些字符的其他出现

Question

我正在使用 Python 和 Pandas，并且有一个包含字符串的 DataFrame 列。 我想将浮点数保留在字符串中并去掉 '- .' 在浮点数（字符串）的末尾。

到目前为止，我一直在使用下面的正则表达式来去除原始字符串中的字符和括号，但它留下了“-”和“.”。 从字符串的非数字部分到位。

示例输入字符串： 14,513.045Non-compliant with installation req.

当我尝试修改它时，这就是我得到的： 14,513.045- . （正数字符串示例）

我也希望能够解析负数，例如： -234.670

字符串中的第一个-用于负浮点数。 我想保持第一-和第一. 但摆脱后续的 - 不属于该号码的那些。

这是我试图用来实现这一目标的代码：

dataframe3['single_chainage2'] = dataframe3['single_chainage'].str.replace(r"[a-zA-Z*()]",'')

但它给我留下了14,513.045- .

我认为单独使用熊猫无法完成上述操作，并且看到正则表达式是推荐的方式。

Answer 1

你不需要replace ，我认为你可以使用Series.str.extract来获取你需要的字符串。

In [1]: import pandas as pd                                                                                                                                     

In [2]: ser = pd.Series(["14,513.045Non-compliant with installation req.", "14,513.045- .", "-234.670"])                                                        

In [3]: pat = r'^(?P<num>-?(\d+,)*\d+(\.\d+)?)'

In [5]: ser.str.extract(pat)['num']                                                                                                                             
Out[5]: 
0    14,513.045
1    14,513.045
2      -234.670
Name: num, dtype: object

并且正则表达式模式中需要一个命名组（本例中为num ）。

如果需要将其转换为数字 dtype：

In [7]: ser.str.extract(pat)['num'].str.replace(',', '').astype(float)                                                                                          
Out[7]: 
0    14513.045
1    14513.045
2     -234.670
Name: num, dtype: float64

Answer 2

而不是删除您不想要的字符，只需指定您想要查找和提取的模式。 它应该不太容易出错。 你想提取一个可以是浮点数的正负数：

import re
number_match = re.search("[+-]?(\d+,?)*(\.\d+)?", 'Your string.')
number = number_match.group(0)

测试上面的代码：

test_string_positive='14,513.045Non-compliant with installation req.'
test_string_negative='-234.670Non-compliant with installation req.'

In [1]: test=re.search("[+-]?(\d+,?)*(\.\d+)?",test_string_positive)

In [2]: test.group(0)
Out[2]: '14,513.045'

In [3]: test=re.search("[+-]?(\d+,?)*(\.\d+)?",test_string_negative)

In [4]: test.group(0)
Out[4]: '-234.670'

使用此解决方案，您不想进行替换，而只想分配正则表达式匹配的值。

number_match = re.search("[+-]?(\d+,?)*(\.\d+)?", <YOUR_STRING>)
number = number_match.group(0)
dataframe3['single_chainage2'] = number

我把它分成 3 行，向你展示它在逻辑上是如何遵循的。 希望这是有道理的。

您应该用数据的字符串表示形式替换<YOUR_STRING>的值。 至于如何从 Pandas DataFrame 中获取字符串值， 这个问题可能有一些答案。 我不确定您的 DataFrame 的实际外观，但我想df['single_chainage'][0]应该可以工作。 基本上，如果您在 Pandas 中建立索引，它会返回一些 Pandas 特定信息，如果您只想检索字符串本身，则必须明确指定。