Question

我想使用正则表达式提取数字

df['price'][0]

有

'[<em class="letter" id="infoJiga">3,402,000</em>]'

我想提取3402000

如何在pandas数据框中获取此信息？

Answer 1

但是，值是一个字符串，请尝试以下代码。

#your code    
df['price'][0] returns  '[<em class="letter" id="infoJiga">3,402,000</em>]'

let us say this is x.

y = ''.join(c for c in x.split('>')[1]  if c.isdigit()).strip()
print (y)

output: 3402000

希望它能起作用。

Answer 2

不假设任何有关环境的最简单的正则表达式可能是([\d,]*)。比起熊猫的to_numeric函数来。

Answer 3

所有值的格式都一样吗？如果是这样，您可以使用简单的正则表达式提取数值，然后将其转换为int。

import pandas as pd
import re

test_data = ['[<em class="letter" id="infoJiga">3,402,000</em>]','[<em class="letter" id="infoJiga">3,401,000</em>]','[<em class="letter" id="infoJiga">3,400,000</em>]','[<em class="letter" id="infoJiga">2,000</em>]']
df = pd.DataFrame(test_data)
>>> df[0]
0    [<em class="letter" id="infoJiga">3,402,000</em>]
1    [<em class="letter" id="infoJiga">3,401,000</em>]
2    [<em class="letter" id="infoJiga">3,400,000</em>]
3        [<em class="letter" id="infoJiga">2,000</em>]
Name: 0, dtype: object

定义一个提取并返回整数的方法

def get_numeric(data):
    match = re.search('>(.+)<', data)
    if match:
        return int(match.group(1).replace(',',''))    
    return None

将其应用于DataFrame

df[1] = df[0].apply(get_numeric)
>>> df[1]
0    3402000
1    3401000
2    3400000
3       2000
Name: 1, dtype: int64

使用正则表达式提取数字

3 个答案: