Python数据分析：如何移除DataFrame列中所有文本仅保留数字？

针对你的reviews_count列数字长度不固定的情况，有两种通用方法可以提取所有数字：

方法1：提取连续数字序列（推荐，适合单段数字场景） #

用str.extract配合正则表达式提取字符串中的第一段连续数字，适合类似"123条评价"、"已有12345人打分"这类只有一段数字的场景：

# 提取数字并转为整数类型
df['reviews_count_num'] = df['reviews_count'].str.extract(r'(\d+)', expand=False).astype(int)

r'(\d+)'表示匹配一个或多个连续数字，expand=False保证返回Series而不是DataFrame，最后用astype(int)把提取到的字符串数字转为整数，方便后续分析。

方法2：移除所有非数字字符（适合多段数字拼接场景） #

如果你的字符串里有多段数字（比如"123条+456追加评价"），可以用str.replace把所有非数字字符删掉，将所有数字拼接成完整数字：

df['reviews_count_num'] = df['reviews_count'].str.replace(r'\D', '', regex=True).astype(int)

r'\D'表示匹配所有非数字字符，regex=True启用正则匹配，这样不管数字在什么位置、长度多少，都能保留下来。

处理混合类型列（既有字符串又有整数） #

如果reviews_count列同时存在字符串和整数类型，先统一转为字符串再处理：

df['reviews_count_num'] = df['reviews_count'].astype(str).str.extract(r'(\d+)', expand=False).astype(int)

内容的提问来源于stack exchange，提问作者user20771829