应用正则表达式替换值的pandas

Question

我已经将一些定价数据读入了pandas数据框,其值显示为:

$40,000*
$40000 conditions attached

我想将其剥离为数值.我知道我可以循环并应用正则表达式

[0-9]+

到每个字段然后将结果列表重新加入,但是有一种不循环的方式吗？

谢谢

Answer 1

你可以使用Series.str.replace:

import pandas as pd

df = pd.DataFrame(['$40,000*','$40000 conditions attached'], columns=['P'])
print(df)
#                             P
# 0                    $40,000*
# 1  $40000 conditions attached

df['P'] = df['P'].str.replace(r'\D+', '').astype('int')
print(df)

产量

       P
0  40000
1  40000

因为\D匹配任何非十进制数字.

Answer 2

你可以使用pandas的替换方法; 你也可以保留千位分隔符','和小数位分隔符'.'

import pandas as pd

df = pd.DataFrame(['$40,000.32*','$40000 conditions attached'], columns=['pricing'])
df['pricing'].replace(to_replace="\$([0-9,\.]+).*", value=r"\1", regex=True, inplace=True)
print(df)
pricing
0  40,000.32
1      40000

Answer 3

您可以使用以下命令删除所有非数字re.sub():

value = re.sub(r"[^0-9]+", "", value)

regex101演示

Answer 4

你不需要正则表达式.这应该工作:

df['col'] = df['col'].astype(str).convert_objects(convert_numeric=True)