如何從字符串列表中提取數字？

Question

我應該如何僅從

a = ['1 2 3', '4 5 6', 'invalid']

我努力了：

mynewlist = [s for s in a if s.isdigit()]
print mynewlist

和

for strn in a:
    values = map(float, strn.split())
print values

兩者都失敗了，因為數字之間有空格。

注意：我試圖實現輸出為：

[1, 2, 3, 4, 5, 6]

Answer 1

我認為您需要將list中的每個項目作為空格上的拆分字符串處理。

a = ['1 2 3', '4 5 6', 'invalid']
numbers = []
for item in a:
    for subitem in item.split():
        if(subitem.isdigit()):
            numbers.append(subitem)
print(numbers)

['1', '2', '3', '4', '5', '6']

或者在一個整潔的理解中：

[item for subitem in a for item in subitem.split() if item.isdigit()]

Answer 2

這應該適用於您的特定情況，因為您在列表中包含一個字符串。 因此，您需要將其展平：

new_list = [int(item) for sublist in a for item in sublist if item.isdigit()]

Answer 3

假設列表只是字符串：

[int(word) for sublist in map(str.split, a) for word in sublist if word.isdigit()]

Answer 4

借助套裝，您可以：

>>> a = ['1 2 3', '4 5 6', 'invalid']
>>> valid = set(" 0123456789")
>>> [int(y) for x in a if set(x) <= valid for y in x.split()]
[1, 2, 3, 4, 5, 6]

僅當字符串由valid集合中的字符組成時，這將包括字符串中的數字。

Answer 5

mynewlist = [s for s in a if s.isdigit()]
print mynewlist

不起作用，因為您正在迭代數組的內容，該數組由三個字符串組成：

1. '1 2 3'
2. '4 5 6'
3. '無效的'

這意味着您必須在每個字符串上再次迭代。

你可以嘗試類似的東西

mynewlist = []
for s in a:
    mynewlist += [digit for digit in s if digit.isdigit()] 

Answer 6

一種襯墊解決方案：

new_list = [int(m) for n in a for m in n if m in '0123456789']

Answer 7

有很多選項可以從字符串列表中提取數字。

假定字符串的一般列表如下：

input_list = ['abc.123def45, ghi67 890 12, jk345', '123, 456 78, 90', 'abc def, ghi'] * 10000

如果不考慮轉換成整數，

def test_as_str(input_list):
    output_list = []
    
    for string in input_list:
        output_list += re.findall(r'\d+', string)
    
    return output_list

%timeit -n 10 -r 7 test_as_str(input_list)
> 37.6 ms ± 168 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

def test_as_str(input_list):
    output_list = []
    
    [output_list.extend(re.findall(r'\d+', string)) for string in input_list]
    
    return output_list

%timeit -n 10 -r 7 test_as_str(input_list)
> 39.5 ms ± 118 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

def test_as_str(input_list):
    return list(itertools.chain(*[re.findall(r'\d+', string) for string in input_list]))

%timeit -n 10 -r 7 test_as_str(input_list)
> 40.4 ms ± 202 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

def test_as_str(input_list):
    return list(filter(None, [item for string in input_list for item in re.split('[^\d]+' , string)]))

%timeit -n 10 -r 7 test_as_str(input_list)
> 42.8 ms ± 372 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

也可以考慮轉換成整數。

def test_as_int(input_list):
    output_list = []
    
    for string in input_list:
        output_list += re.findall(r'\d+', string)
    
    return list(map(int, output_list))

%timeit -n 10 -r 7 test_as_int(input_list)
> 44.7 ms ± 232 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

def test_as_int(input_list):
    output_list = []
    
    for string in input_list:
        output_list += re.findall(r'\d+', string)
    
    return [int(item) for item in output_list]

%timeit -n 10 -r 7 test_as_int(input_list)
> 47.8 ms ± 198 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

def test_as_int(input_list):
    return [int(item) for string in input_list for item in re.findall(r'\d+', string)]

%timeit -n 10 -r 7 test_as_int(input_list)
> 48.3 ms ± 101 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

def test_as_int(input_list):
    return [int(item) for string in input_list for item in re.split('[^\d]+' , string) if item]

%timeit -n 10 -r 7 test_as_int(input_list)
> 51.4 ms ± 150 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

def test_as_int(input_list):
    return [int(item) for string in input_list for item in re.split('[^\d]+' , string) if item.isdigit()]

%timeit -n 10 -r 7 test_as_int(input_list)
> 54.9 ms ± 210 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

def test_as_int(input_list):
    return [int(item) for string in input_list for item in re.split('[^\d]+' , string) if len(item)]

%timeit -n 10 -r 7 test_as_int(input_list)
> 55.5 ms ± 175 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

性能測試是在Windows OS，Python 3.8.8虛擬環境下進行的，差別不大。