时间戳

首页 > 解决方案 > 从字符串列中提取数字

python - 从字符串列中提取数字

问题描述

我有多个列名称标题，我想从每个存在这样的数字的列中提取一个 6 位数字，并将这些数字放在一个新的列名 global_id 中。一些标题列是空的，或者更确切地说是 nan 作为字符串。

这是我迄今为止所写的：

def titles_split(df,col):
    df[col] = df[col].astype('str')
    return df[col].str.extract('(\d{6})')
for i in range(1,75):
    if (df_split['titles'+str(i)] == 'nan') == False:
        df_split['global_id'] = titles_split(df_split,'titles'+str(i))

因此，仅当列没有字符串 nan 时，我想取 6 位数字并将其放在列名 global_id 中。

但是，这会返回以下错误消息：

ValueError：Series 的真值不明确。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all()。

这是我的数据示例：

        {'titles1': {0: 'nan',
  1: 'nan',
  2: 'nan',
  3: 'nan',
  4: ':[]}] 3/16/2019 lightweight 870590 FALSE nan Cristopher di Girolamo Italy 1 [["career"         \\n        \\n2019-2019\\n]] /build/images/main/avatar.jpeg [[1153 2] [21 29]] 98 nan Miami  Flor'},
 'titles2': {0: 'nan', 1: 'nan', 2: 'nan', 3: 'nan', 4: 'nan'},
 'titles3': {0: 'nan',
  1: ':[]}] 2/13/2016 cruiserweight 746272 FALSE nan Alvin Davie USA 3 [["career"         \\n        \\n2016-2019\\n]] /build/images/main/avatar.jpeg [[555 1140] [110 226]] 98 nan Miami  Flor',
  2: 'nan',
  3: 'nan',
  4: 'nan'},
 'titles4': {0: 'nan', 1: 'nan', 2: 'nan', 3: 'nan', 4: 'nan'},
 'titles5': {0: 'nan', 1: 'nan', 2: 'nan', 3: 'nan', 4: 'nan'},
 'titles6': {0: ':[]}] 10/10/2015 heavyweight 734308 FALSE [6 2 188] Joseph White USA 6 [["career"         \\n        \\n2015-2019\\n]] https://boxrec.com/media/images/thumb/9/9c/734308.jpeg/200px-734308.jpeg [[679 1311] [180 350]] 98 nan Miami  Flor',
  1: 'nan',
  2: ':[]}] 2/24/2018 heavyweight 827050 FALSE [6 4 193] Anthony Martinez USA 6 [["career"         \\n        \\n2018-2019\\n]] https://boxrec.com/media/images/thumb/c/cb/AnthonyMartinez.jpg/200px-AnthonyMartinez.jpg [[648 1311] [171 350]] 98 [78 198] Miami  Flor',
  3: 'nan',
  4: 'nan'}}

更新：

我设法通过将 == 替换为 'is' 来摆脱最初的错误，但现在的问题是我获得了新 global_id 列中所有行的 nan 值。

所以这就是我现在正在做的

def titles_split(df,col):
    return df[col].str.extractall('(\d{6})')
for i in range(1,75):
    if (df_split['titles'+str(i)] == 'nan') is False:
        df_split['global_id'] = titles_split(df_split,'titles'+str(i))

这是 global_id 列的输出：

0     NaN
1     NaN
2     NaN
3     NaN
4     NaN
     ...

标签： pythonpandas

解决方案

使用 pandas str 函数：

df['global_id'] = df.loc[:, df.columns].apply(str, axis=1).str.extract(r'.*(\d{6})')
df

titles1     titles2     titles3     titles4     titles5     titles6     global_id
0   nan     nan     nan     nan     nan     :[]}] 10/10/2015 heavyweight 734308 FALSE [6 2...   734308
1   nan     nan     :[]}] 2/13/2016 cruiserweight 746272 FALSE nan...   nan     nan     nan     746272
2   nan     nan     nan     nan     nan     :[]}] 2/24/2018 heavyweight 827050 FALSE [6 4 ...   827050
3   nan     nan     nan     nan     nan     nan     NaN
4   :[]}] 3/16/2019 lightweight 870590 FALSE nan C...   nan     nan     nan     nan     nan     870590

推荐阅读