从含字符串、日期时间的混合文本中提取目标数字（Pandas场景）

原始数据集 #

import pandas as pd
import numpy as np

x = np.array([
            '355395.7037', 
            '355369.6383', 
            '355367.881', 
            '355381.419',
            '357394.9D7a82te7o6fm4o9n4t3h7 print: 06/10/202',
            '357405.7897626596'])

y = np.array([
            '4521429.292', 
            '4521430.0229', 
            ' 4521430.1191', 
            '4521430.1256',
            '3 13:36 4521735.552137422',
            '4521512.725'])

df = pd.DataFrame({'X':x, 'Y':y})

数据特征与提取需求 #

部分数据为字符串与数字混合形式：

• X列示例：357394.9D7a82te7o6fm4o9n4t3h7 print: 06/10/202，其中夹杂拆分单词Date of month及日期；
• Y列示例：'3 13:36 4521735.552137422'，其中混杂年份数字3（来自2023）和时间13:36。

需要去除无关内容，仅保留目标数字，提取规则如下：

• X列：目标数字整数部分为6位，提取前6位整数，再拼接后续所有连续数字（直到遇到空格或非数字字符），例如从上述X列混合字符串中提取357394.97827649437；
• Y列：目标数字整数部分为7位，从字符串末尾查找小数点，向前取7位整数及后续小数部分。

现有方案的问题 #

现有处理方案在应对更新后的测试用例时出现错误：

更新后的测试用例 #

x = np.array([
            '355395.7037', 
            '355369.6383', 
            '355367.881', 
            '355381.419',
            '357394.9D7a82te7o6fm4o9n4t3h7 p',
            '357405.7897626596'])

y = np.array([
            '4521429.292', 
            '4521430.0229', 
            '4521430.1191', 
            '4521430.1256',
            'rint: 06/10/2023 13:36 4521735.552137422',
            '4521512.725'])

处理后Y列第5行（索引为4）被错误提取为06102023，而正确的目标数字应为4521735.552137422，需解决该问题。

内容的提问来源于stack exchange，提问作者George