python-3.x - 从包含数字、非数字和数字的字符串中提取第一个数字序列

Question

我在 Pandas 数据框中有一列，其中包含如下值:

111042345--
111042345
110374217dclid=CA-R3K
109202817lciz@MM10082IA

我需要提取每行中的第一个数字序列 - 而不是该行中的所有数字。所以输出会是这样的:

111042345
111042345 
110374217 
109202817

我认为实现这一目标的最佳方法是将字符串按数字分割并返回，但这会给我在非数字字符后面留下不需要的数字。

Answer 1

使用str.extract使用正则表达式 \d 提取数字，{,5} 表示前 5 位数字，+ 表示所有数字:

df['first_5_digits'] = df['Col'].str.extract('(\d{,5})')
df['all_digits'] = df['Col'].str.extract('(\d+)')
print (df)
                       Col first_5_digits all_digits
0              111042345--          11104  111042345
1                111042345          11104  111042345
2    110374217dclid=CA-R3K          11037  110374217
3  109202817lciz@MM10082IA          10920  109202817

就像@Jon Clements指出的那样，也可以通过索引提取N个值:

df['first_5_digits'] = df['Col'].str.extract('(\d+)').str[:5]