Pandas 10位数字提取

Question

我有一个包含财务数据的pandas数据框，并希望从特定列的每个单元格中提取任意10位数字。单元格可以看起来像这样：'RECLASS 1239875309823 APPLE 0123456789 INV‘。10位数字可以位于字符串的开头，恰好在结尾之前，也可以位于字符串之间的任意位置。有没有办法我可以写一个函数，它不需要永远运行？(Dataframe有超过100k的行)

Answer 1

我希望我把你的例子弄对了。下面您可以看到，如何使用正则表达式在pandas中提取10位数字。

df = pd.DataFrame({'value':['RECLASS 1239875309823 APPLE 0123456789 INV']})
df['num'] = df['value'].str.extract(r'(\b\d{10}\b)')
df
>>>
                                        value         num
0  RECLASS 1239875309823 APPLE 0123456789 INV  0123456789

Answer 2

如果您只想提取10位数，而不想提取10位或更长的数位，请使用：

df = pd.DataFrame({'value':['RECLASS 1239875309823 APPLE 0123456789 INV']})
df['extracted_10_digit'] = df['value'].str.extract(r'(\b\d{10}\b)')

                                        value extracted_10_digit
0  RECLASS 1239875309823 APPLE 0123456789 INV         0123456789

Answer 3

import pandas as pd
df = pd.DataFrame({'cell_value':['RECLASS 1239875309823 APPLE 0123456789 INV']})
pat = r'\b[A-Z]+\b'
df['cell_output']=df['cell_value'].replace(pat,'',regex=True).astype(str).str[:11]
df

    cell_value                                  cell_output
0   RECLASS 1239875309823 APPLE 0123456789 INV  1239875309