如何使用python从以列中数字开头的字符串中提取数字

Question

我是 Python 新手，我有一个数据框，我想从中提取字符串开头的数字。 例如：

import numpy as np
import pandas as pd
Test = {'Text': ['/CY1000 HZ 23 Street Arizona','/3456 BZ 33 Rue Avenue France','/2222 6th Street Madrid', np.nan],
    'Price': [22000,25000,27000,35000]}
df = pd.DataFrame(Test,columns= ['Text', 'Price'])

我想将 1000,3456,2222,NaN 放在另一列中，并将其余文本放在另一列中

Test = {'Text': ['/CY1000 HZ 23 Street Arizona','/3456 BZ 33 Rue Avenue France','/2222 6th Street Madrid', np.nan],
        'Text1': ['1000','3456','2222',np.nan],
    'Price': [22000,25000,27000,35000],
     'Text2': [ 'HZ 23 Street Arizona', 'BZ 33 Rue Avenue France','6th Street Madrid', 'Nan']}
df = pd.DataFrame(Test,columns= ['Text', 'Text1','Text2','Price'])

提前致谢

Answer 1

这将为您提供数字：

^(?:[^0-9]+)?([0-9]+)

而您想要的数据将在\\1

https://regex101.com/r/i4YfeV/1

Answer 2

您可以使用此代码从字符串中提取数字。

    import re
    Test = {'Text': ['/CY1000 HZ 23 Street Arizona','/3456 BZ 33 Rue Avenue France','/2222 6th Street Madrid'],
        'Price': [22000,25000,27000,35000]}
    print(Test['Text'])
    temp = re.findall(r'^(?:[^0-9]+)?([0-9]+)', Test['Text'][0]) 
    print(temp)
    temp1 = re.findall(r'^(?:[^0-9]+)?([0-9]+)', Test['Text'][1]) 
    print(temp1)

输出将是：

[1000]
[3456]

Answer 3

Test = {'Text': ['/CY1000 HZ 23 Street Arizona','/3456 BZ 33 Rue Avenue France','/2222 6th Street Madrid', np.nan],
    'Price': [22000,25000,27000,35000]}
df = pd.DataFrame(Test,columns= ['Text', 'Price'])

vals= []
for x in df.Text:
    if x is np.nan:
        x=""
    num = re.findall(r'\d+',x)
    if len(num)>0:
        vals.append(num[0])
    else:
        vals.append(np.nan)

print(vals)

df['Text1'] = vals
print(df)

输出：

['1000', '3456', '2222', nan]
                            Text  Price Text1
0   /CY1000 HZ 23 Street Arizona  22000  1000
1  /3456 BZ 33 Rue Avenue France  25000  3456
2        /2222 6th Street Madrid  27000  2222
3                            NaN  35000   NaN

[编辑]如果对于正则表达式，你可以使用这个：

'/?([A-Z]+)?([0-9]+){1}'

比赛将在第 2 组，即 /2。

[EDIT2]如果对于正则表达式，您可以使用它来仅提取地址（基于评论）：

'/?([A-Z]+)?([0-9]+){1} ([0-9A-Za-z ]+)'

比赛将在第 3 组（即 /3）中进行。