如何从Pandas列中提取符合指定规则的首个连续数字序列

可以通过Pandas的str.extract()结合正则表达式实现需求，直接用一行代码完成数据清洗：

df['col'] = df['col'].str.extract(r'(?i)(?:nbu\D*)?(\d+)', expand=False)

正则表达式说明 #

• (?i)：启用不区分大小写匹配，能识别NBU/nbu/NbU等任意大小写组合形式
• (?:nbu\D*)?：非捕获可选组，匹配nbu后跟随的任意数量非数字字符（空格、-、/等都包含在内），?保证没有nbu时该组会被忽略
• (\d+)：捕获组，匹配并提取第一个连续数字序列，这就是最终需要的结果

测试示例 #

import pandas as pd

# 构造测试数据
data = {
    'col': [
        'nbu 123456',
        'NBU-123456',
        'nbu/ 123456 blah12',
        '123456',
        '123456_123',
        'nbu12 3455'
    ]
}
df = pd.DataFrame(data)

# 执行提取
df['extracted_num'] = df['col'].str.extract(r'(?i)(?:nbu\D*)?(\d+)', expand=False)

print(df)

输出结果：

col extracted_num
0            nbu 123456         123456
1           NBU-123456         123456
2  nbu/ 123456 blah12         123456
3               123456         123456
4            123456_123         123456
5           nbu12 3455             12

内容的提问来源于stack exchange，提问作者Lee Murray