如何处理DataFrame中含数字与文本的列：提取数字并计算均值？

核心逻辑 #

先提取每行中的所有数字，再根据数字数量分别处理：

• 提取到2个数字：计算区间平均值
• 提取到1个数字：直接返回该数字

具体步骤 #

1. 导入依赖库

import pandas as pd
import re

2. 构造示例DataFrame（替换为你的实际数据即可）

df = pd.DataFrame({
    'people': [
        '200 to 500 people',
        '1 to 5 people',
        '5000 people and over',
        '2000 to 3000 people'
    ]
})

3. 定义转换函数

def convert_to_number(text):
    # 提取所有数字并转为整数列表
    nums = list(map(int, re.findall(r'\d+', text)))
    # 分情况处理
    if len(nums) == 2:
        return sum(nums) / 2  # 若需要整数结果，可改为 int(sum(nums)/2)
    elif len(nums) == 1:
        return nums[0]
    # 无数字的极端情况可返回NaN或自定义值
    return None

4. 应用函数到目标列

df['result'] = df['people'].apply(convert_to_number)

运行结果 #

处理后df['result']的输出为：

0    350.0
1      3.0
2    5000.0
3    2500.0
Name: result, dtype: float64

如果使用int(sum(nums)/2)，结果会是整数类型，完全匹配你的预期输出。

内容的提问来源于stack exchange，提问作者pymn