如何在包含文本的pandas系列的每一行中提取特定數字

Question

我有一個pd.Series看起來如下

 O some texts...final exam marks:50 next level:10 1 some texts....final exam marks he has got:54 next level:15 2 some texts...final marks ...some texts: 45 next best level:20 

我想從該系列中提取那些數字50,54,45。 請注意，每行的文本中有多個數字。 我已經嘗試過正則表達式，但它不是只提供那些特定的數字，而是取出每一行中的所有數字。 基本上我想在“標記”這個詞后面加上數字。 任何幫助，將不勝感激。

ps我現在更新了這個問題。 我嘗試了這里給出的解決方案。 事實上，我嘗試過

 pd.Series.str.findall('?<=specific text *(\\d{2})') 

但得到並清空列表。 這里示例的表示與實際問題非常相似，因此我編輯了帖子。

許多人提前感謝。

Answer 1

嘗試

s.str.extract('.*marks:\s?(\d+)', expand = False)


0    50
1    54
2    45

隨着更新：

s.str.extract('.*marks.*?(\d+)', expand = False)

這個正則表達式考慮了在標記之后可能存在或不存在字符的事實

你得到

0    50
1    54
2    45

Answer 2

你需要看一下語法（？<=） ，它斷言所需的模式前面有另一個模式， (?<=marks:) *([0-9]+)提取數字后面的數字：后跟可選的空格：

s
#0         some texts...final exam marks:50 next lev...
#1         some texts....final exam marks:54 next le...
#2         some texts...final marks: 45 next best le...
#Name: 1, dtype: object

s.str.extract("(?<=marks:) *([0-9]+)", expand=False)

#0    50
#1    54
#2    45
#Name: 1, dtype: object