[英]How can I extract numbers as well as string from multiple rows in a Data Frame column?
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'
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
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
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.