从混合字符串与数字中剥离字符串和adte、时间

Question

我有这样的数据集：

import pandas as pd
import numpy as np

x = np.array([
            '355395.7037', 
            '355369.6383', 
            '355367.881', 
            '355381.419',
            '357394.9D7a82te7o6fm4o9n4t3h7 print: 06/10/202',
            '357405.7897626596'])

y = np.array([
            '4521429.292', 
            '4521430.0229', 
            ' 4521430.1191', 
            '4521430.1256',
            '3 13:36 4521735.552137422',
            '4521512.725'])

df = pd.DataFrame({'X':x, 'Y':y})

所以，有时，我可能会将字符串与数字混合在一起。

我想到的一个解决方案。

例如，如果您注意到

357394.9D7a82te7o5fm4o9n4t3h7 print: 06/10/202

，则数字

Date of month

内有文字

357394.97827649437

。

并且在

y

列：

'3 13:36 4521735.552137422'

有来自上一个

3

的

2023

的

print: 06/10/202

和时间

13:36

。

我想摆脱它们，只留下数字。

我可能有不同的情况，例如：

'357394.9D7a82te7o6fm4o9n4t3h7 print: 06/10/2023'

例如

13:36 4521735.552137422

。

或者，

'357394.9 D7a82te7o6fm4o9n4t3h7 print: ',

'06/10/2023 13:36 4521735.552137422'

如果您看到数字，例如对于

X

列，所有数字的小数点前都有

6

位，因此我们可以以

的前 6 位数字为例

'357394.9D7a82te7o6fm4o9n4t3h7 print: 06/10/202',

-> 357394 并应用小数点并填充其余数字，直到存在空格或单词（打印）。所以，要取的数字是

357394.97827649437

但问题是我们有一个字符串，我们无法应用例如

float

或

int

来处理它。

对于第二种情况，对于

Y

列：

'3 13:36 4521735.552137422',

我认为我们必须从末尾开始搜索，当我们看到小数点时，数

7

位数（Y列有小数点前7位）并停在那里。

Answer 1

最好的办法是首先尝试避免这种格式，特别是当数字与您的值混合时。

也就是说，您可以尝试使用

replace

删除字母，然后使用正则表达式来

str.extract

数字：

out = df.apply(lambda s: s.str.replace('[^\d .]+', '', regex=True)
                          .str.extract(r'(\d{6,}(?:\.\d+)?)', expand=False))

对于指定每列位数的动态解决方案：

d = {'X': 6, 'Y': 7}

out = df.apply(lambda s: s.str.replace('[^\d .]+', '', regex=True)
                          .str.extract(fr'(\d{{{d[s.name]},}}(?:\.\d+)?)',
                                       expand=False)
              )

输出：

                    X                  Y
0         355395.7037        4521429.292
1         355369.6383       4521430.0229
2          355367.881       4521430.1191
3          355381.419       4521430.1256
4  357394.97827649437  4521735.552137422
5   357405.7897626596        4521512.725