怎样把字符串的数字提取出来，但是要有对应关系

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

大神们好

有一个这样的需求，就是有两列数据，一列为编号，一列为文本信息，其中想把文本信息里的数字摘出来，如下的效果

编号	文本信息	摘取效果
1	中国爱1002	1002
2	北美也开户2020	2020
3	我的手机13500122203	13500122203
4
5	爱护我的39212门户	39212
6
7	原来是这样的号23222003	23222003
8
9
10	演练在这988222	988222

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

1. import pandas as pd
   
2. import re
   
3. 
   
4. #####方法一(不能处理“我爱123北京456天安门”)
   
5. #构造数据
   
6. content = ['中国爱1002',
   
7.            '北美也开户2020',       
   
8.            '我的手机13500122203',
   
9.            '',
   
10.            '爱护我的39212门户',
    
11.            '',
    
12.            '原来是这样的号23222003',
    
13.            '',
    
14.            '',
    
15.            '演练在这988222']
    
16. 
    
17. df = pd.DataFrame({'id':range(len(content)),
    
18.                    'content':content})
    
19.    
    
20. numlist = [str(i) for i in range(10)]   
    
21. def getNum(x):
    
22.     #x = '爱护我的39212门户'
    
23.     s_num = ''
    
24.     for i, s in enumerate(x):
    
25.         if s in numlist:
    
26.             s_num += s   
    
27.     return s_num
    
28. 
    
29. #获取数字   
    
30. df['result'] = df['content'].apply(lambda x:getNum(x))
    
31. 
    
32. ###方法二
    
33. content = ['中国爱1002',
    
34.            '北美也开户2020',       
    
35.            '我的手机13500122203',
    
36.            '',
    
37.            '爱护我的39212门户',
    
38.            '',
    
39.            '原来是这样的号23222003',
    
40.            '',
    
41.            '',
    
42.            '演练在这988222']
    
43. 
    
44. df = pd.DataFrame({'id':range(len(content)),
    
45.                    'content':content})
    
46. 
    
47. df['content'] = df['content'] + 'isend'
    
48.    
    
49. def getNum(x):
    
50.     #x = '爱护我的39212门户isend'
    
51.     #x = '我爱123北京456天安门isend'
    
52.     model = '([\d]*?)[^\d]'
    
53.     data = re.findall(model, x)
    
54.     return [s for s in data if s!='']
    
55. 
    
56. df['result'] = df['content'].apply(lambda x:getNum(x))

复制代码

重复了，删除

学习下正则表达式，简单到爆。。

fengxingliulizi 发表于 2017-9-6 10:48
重复了，删除

如果我是从文本文件或者excel文件里读取这个文本list呢，我尝试了一下，发现有问题，能帮忙看看代码吗？

所需文件： beizhu1.xlsx (9 KB)

2017-9-7 09:46:19 上传

所需文件

import re
import pandas as pd
import numpy as np
content=pd.read_excel(r'D:\beizhu1.xlsx')

df = pd.DataFrame({'id':range(len(content)),
                   'ct':content['文本信息']})

df['ct'] = str(df['ct'])
   
def getNum(x):
    model = '([\d]*?)[^\d]'
    data = re.findall(model, x)
    return [s for s in data if s!='']

df['result'] = df['ct'].apply(lambda x:getNum(x))

writer = pd.ExcelWriter('beizhu_output.xlsx')

df.to_excel(writer, sheet_name='invitecode')
writer.save()

scarlett_0405 发表于 2017-9-7 09:46
如果我是从文本文件或者excel文件里读取这个文本list呢，我尝试了一下，发现有问题，能帮忙看看代码吗？
...

那是因为有些是NaN,而我之前这些空值设置的是‘’。修改代码如下

1. import re
   
2. import pandas as pd
   
3. import numpy as np
   
4. content=pd.read_excel(r'D:\beizhu1.xlsx')
   
5. 
   
6. df = pd.DataFrame({'id':range(len(content)),
   
7.                    'ct':content['文本信息']})
   
8. 
   
9. df['ct'] = df['ct'] + 'isend'
   
10.    
    
11. def getNum(x):
    
12.     try:
    
13.         model = '([\d]*?)[^\d]'
    
14.         data = re.findall(model, x)
    
15.         return [s for s in data if s!='']
    
16.     except:
    
17.         return None
    
18. 
    
19. df['result'] = df['ct'].apply(lambda x:getNum(x))
    
20. 
    
21. writer = pd.ExcelWriter('beizhu_output.xlsx')
    
22. 
    
23. df.to_excel(writer, sheet_name='invitecode')
    
24. writer.save()

复制代码

fengxingliulizi 发表于 2017-9-7 13:33
那是因为有些是NaN,而我之前这些空值设置的是‘’。修改代码如下

非常非常感谢，真是大神呀

操作中还有一个问题是，如果文本信息里是纯数值的，那这句df['ct'] = df['ct'] + 'isend'，执行的时候就会出现类型不匹配的，错误如下：TypeError: unsupported operand type(s) for +: 'float' and 'str'

我尝试着类型转化，但是不对df['ct'] = str(df['ct']) + 'isend'

还请您解答一下，谢谢您

scarlett_0405 发表于 2017-9-7 15:26
非常非常感谢，真是大神呀

操作中还有一个问题是，如果文本信息里是纯数值的，那这句df['ct'] = df['c ...

把df['ct'] = str(df['ct']) + 'isend'删了，我修改了getNum()

1. def getNum(x):
   
2.     if numpy.isnan(x):
   
3.         return None
   
4.     elif isinstance(x,str):
   
5.         x = x + 'isend'
   
6.         model = '([\d]*?)[^\d]'
   
7.         data = re.findall(model, x)
   
8.         return [s for s in data if s!='']
   
9.     elif isinstance(x,float) or isinstance(x,int):
   
10.         return x

复制代码

scarlett_0405 发表于 2017-9-7 15:26
非常非常感谢，真是大神呀

操作中还有一个问题是，如果文本信息里是纯数值的，那这句df['ct'] = df['c ...

把df['ct'] = str(df['ct']) + 'isend'删了，我修改了getNum()

1. def getNum(x):
   
2.     if numpy.isnan(x):
   
3.         return None
   
4.     elif isinstance(x,str):
   
5.         x = x + 'isend'
   
6.         model = '([\d]*?)[^\d]'
   
7.         data = re.findall(model, x)
   
8.         return [s for s in data if s!='']
   
9.     elif isinstance(x,float) or isinstance(x,int):
   
10.         return x

复制代码

scarlett_0405 发表于 2017-9-7 15:26
非常非常感谢，真是大神呀

操作中还有一个问题是，如果文本信息里是纯数值的，那这句df['ct'] = df['c ...

把df['ct'] = str(df['ct']) + 'isend'删了，我修改了getNum()

1. def getNum(x):
   
2.     if numpy.isnan(x):
   
3.         return None
   
4.     elif isinstance(x,str):
   
5.         x = x + 'isend'
   
6.         model = '([\d]*?)[^\d]'
   
7.         data = re.findall(model, x)
   
8.         return [s for s in data if s!='']
   
9.     elif isinstance(x,float) or isinstance(x,int):
   
10.         return x

复制代码