如何從數據框列中的多行中提取數字和字符串？

Question

DF1

index|Number
0    |[Number 1]
1    |[Number 2]
2    |[kg]
3    |[]
4    |[kg,Number 3]

在我的數據幀Number列，我需要提取如果存在的話，數kg如果字符串kg和NaN ，如果沒有價值。 如果該行既有數字又有kg那么我將只提取數字。

預期產出

index|Number
0    |1
1    |2
2    |kg
3    |NaN
4    |3

我為此編寫了一個 lambda 函數，但出現錯誤

NumorKG = lambda x: x.str.extract('(\d+)') if x.str.extract('(\d+)').isdigit() else 'kg' if x.str.find('kg') else "NaN"

DF1['Number']=DF1['Number'].apply(NumorKG)

我得到的錯誤是：

AttributeError: 'str' object has no attribute 'str'

Answer 1

使用numpy.where設置值：

#extract numeric to Series
d = df['Number'].str.extract('(\d+)', expand=False)
#test if digit
mask1 = d.str.isdigit().fillna(False)

#test 值是否包含 kg mask2 = df['Number'].str.contains('kg', na=False)

df['Number'] = np.where(mask1, d, 
               np.where(mask2 & ~mask1, 'kg',np.nan))
print (df)
  Number
0      1
1      2
2     kg
3    nan
4      3

您的解決方案應該改變：

import re

def NumorKG(x):
    a = re.findall('(\d+)', x)
    if len(a) > 0:
        return a[0]
    elif 'kg' in x:
        return 'kg'

    else:
        return np.nan

df['Number']=df['Number'].apply(NumorKG)
print (df)
  Number
0      1
1      2
2     kg
3    NaN
4      3

你的 lambda 函數應該改變：

NumorKG = lambda x: re.findall('(\d+)', x)[0] 
                    if len(re.findall('(\d+)', x)) > 0 
                    else 'kg' 
                    if 'kg' in x 
                    else np.nan

Answer 2

在apply ，返回的是標量，因此您不能使用 .str 訪問器。

由於您只處理一列，因此無需申請。

作為 Jezrael 的替代方案（這將是可重復的），這是一個可能的解決方案：

DF1 = pd.DataFrame({'Number': [["Number 1"], ["Number 2"], ["kg"], [""], ["kg", "Number 3"]]})
DF1['Number'] = DF1.Number.str.join(sep=" ")


mask_digit = DF1.Number.str.extract('(\d+)', expand=False).str.isdigit().fillna(False)
mask_kg = DF1['Number'].str.contains('kg', na=False)

DF1.loc[mask_digit, 'Number'] = DF1.Number.str.extract('(\d+)', expand=False)
DF1.loc[mask_kg,'Number'] = 'kg'
DF1.loc[~(mask_digit | mask_kg), 'Number'] = np.NaN