简化pandas数据清理

Question

我正在清理我的熊猫数据框中的数据，我希望有比我的更好的方法来做到这一点。我在我的pandas dateframe中的“count”一栏中输入了类似于他的：

~186-205
4 and 4 
200
800-1000
550-550[2]
10, 20 or 50
5 (four score and bla bla)
38 or 30
88-80

如果有人能告诉我如何将数字相加，如果他们说"x和x“，那就太好了。然而，我的主要目标只是从每一行中获得最低的数字，而其他所有东西都消失了。

我几乎完全用我的解决方案成功了：

df['Count'] = df['Count'].str.replace(r"\(.*\)","") #all square brackets with content
df['Count'] = df['Count'].str.replace(r"\[.*\]","") #all square brackets with content
df['Count'] = df['Count'].str.replace("(−).*","")  #For one type of hyphens
df['Count'] = df['Count'].str.replace("(-).*","")  #for another type of hyphens
df['Count'] = df['Count'].str.replace("(—).*","")  #for yet another type of hyphens
df['Count'] = df['Count'].str.replace("(\u2013).*","") #because of different formating for hyphens
df['Count'] = df['Count'].str.replace("(or).*","") #for other alternatives, remove
df['Count'] = df['Count'].str.replace("(,).*","") #everything after commas
df['Count'] = df['Count'].replace(r'\D+', "", regex=True) #everything but numbers

有什么建议可以让它更优雅吗？要么是在函数中，要么是for循环，要么就是更聪明的东西...

谢谢您抽时间见我。

Answer 1

关于从值中剔除不需要的符号的解决方案，您可以使用内置的re模块来收集字符串中的所有数字，并只获得其中最低的一个：

import re

min(map(int, re.findall(r'[0-9]+', value)))

要只支持python操作，你可以尝试内置的eval函数，但是如果你需要支持不同的操作，比如'and‘来求和，你可能需要编写一个解析器来进行更多的定制。This是一篇很酷的文章，你可以查看解析器以及它们的组成部分。

编辑：

要将其应用于整个列，请提取最小数字的函数，然后应用该函数。

import re

def get_min_number(value):
    return min(map(int, re.findall(r'[0-9]+', value)))

df['Count'].apply(get_min_number)