从含字符串及NaN值的DataFrame中提取最大数值的优化与适配

背景 #

现有示例DataFrame：

import pandas as pd
import numpy as np
data = pd.DataFrame(['random 15 numbers 128 and 12 letters','12-5','page 65'], columns=['text'])

需求为提取字符串中的所有数字，将最大值写入新列。当前实现代码如下：

data['list']=data['text'].str.extractall('(\d+)').unstack().values.tolist()
data['max']=data['list'].apply(lambda row:max([int(x) for x in row if x is not np.nan]))

需解决两个问题：

• 是否存在更优雅的实现方式？
• 当前代码无法适配含NaN的原DataFrame，需修改代码，让原DataFrame含NaN时对应结果列也为NaN；同时适配不含数字的字符串，此时结果列为NaN。测试用例：

data = pd.DataFrame(['random 15 numbers 128 and 12 letters','12-5','page 65',np.nan], columns=['text'])

问题1：更优雅的实现方式 #

推荐使用pandas链式操作风格，无需额外中间列，逻辑更清晰：

data['max_num'] = (
    data['text']
    .str.findall(r'\d+')  # 提取所有数字字符串，返回列表/NaN
    .explode()            # 将列表拆分为行，保留原索引
    .apply(pd.to_numeric, errors='coerce')  # 转为数值型，无效值转NaN
    .groupby(level=0)     # 按原行索引分组
    .max()                # 取每组最大值，无数据则返回NaN
)

这种方式完全利用pandas内置方法处理，避免手动遍历和NaN判断，可读性与维护性更强。

问题2：适配NaN和无数字的场景 #

上述链式写法已天然适配所有场景：

• 原text列是NaN时，str.findall返回NaN，后续操作会保留该NaN，最终结果为NaN
• 字符串无数字时，str.findall返回空列表，explode后该索引无数据，groupby.max()自动返回NaN

测试扩展用例（新增无数字字符串）：

data = pd.DataFrame(
    ['random 15 numbers 128 and 12 letters','12-5','page 65',np.nan, 'no numbers here'], 
    columns=['text']
)
data['max_num'] = (
    data['text']
    .str.findall(r'\d+')
    .explode()
    .apply(pd.to_numeric, errors='coerce')
    .groupby(level=0)
    .max()
)

输出结果：

如果偏好自定义函数的方式，可明确处理边界情况：

import re

def extract_max_num(s):
    if not isinstance(s, str):
        return np.nan
    num_strs = re.findall(r'\d+', s)
    return max(map(int, num_strs)) if num_strs else np.nan

data['max_num'] = data['text'].apply(extract_max_num)

内容的提问来源于stack exchange，提问作者principal-ideal-domain