如何在Python中提取字符串数字？及Pandas数据框提取指定面积数值

嘿，这个需求太常见啦！我给你几种实用的方法，你可以根据自己的具体场景挑：

• 方法1：正则表达式（最灵活）
  如果你要提取所有数字（包括整数、小数、带负号的），用re.findall()绝对是首选。比如：

  import re
  
  s = "abc123def45.67ghi-89"
  numbers = re.findall(r'-?\d+\.?\d*', s)
  print(numbers)  # 输出 ['123', '45.67', '-89']
  

  简单解释下这个正则：-?匹配可选的负号，\d+抓一个或多个数字，\.?匹配可选的小数点，\d*匹配小数点后可能存在的数字。要是你只需要正整数，把后面的\.?\d*去掉，改成r'-?\d+'就行。

• 方法2：遍历字符串筛选（适合简单场景）
  要是你只需要正整数，而且不需要区分单独的数字，也可以直接遍历字符串筛选：

  s = "abc123def45"
  digits = ''.join([c for c in s if c.isdigit()])
  print(digits)  # 输出 '12345'
  

  这个方法简单粗暴，但没法处理小数、负号，还会把所有数字连在一起，适合需求简单的情况。

这个场景的关键是要搞定数字和sq之间的不可中断空格（也就是Unicode里的\u00A0），普通的空格匹配可能会失效，我给你两个靠谱的方案：

• 方案1：正则精准提取（推荐）
  用Pandas的str.extract()方法，直接匹配字符串开头的数字，不管后面的特殊空格和其他内容：

  import pandas as pd
  import re
  
  # 先构造示例数据（包含不可中断空格）
  df = pd.DataFrame({'area': ['568\xa0sq mi (1,471 km2)', '1234\xa0sq mi (3196 km2)', '789 sq mi (2043 km2)']})
  
  # 提取开头的数字，兼容普通空格和不可中断空格
  df['area_num'] = df['area'].str.extract(r'^(\d+)', expand=False)
  
  # 要是你想更精准匹配数字+不可中断空格+sq的结构，可以改成：
  # df['area_num'] = df['area'].str.extract(r'^(\d+)\u00A0sq', expand=False)
  
  print(df)
  

  运行后输出：

  area area_num
  0  568 sq mi (1,471 km2)      568
  1  1234 sq mi (3196 km2)     1234
  2    789 sq mi (2043 km2)      789
  

  解释下：^(\d+)匹配字符串开头的一个或多个数字，括号用来捕获这个我们需要的数字组，str.extract()会自动提取这个组的内容。如果你的数据里两种空格都有，用\s（匹配所有空白字符）替换\u00A0就行，比如r'^(\d+)\s+sq'。

• 方案2：拆分字符串处理（简单直接）
  因为数字在字符串最开头，也可以用str.split()拆分，指定分隔符为不可中断空格：

  df['area_num'] = df['area'].str.split('\u00A0').str[0]
  

  这个方法更简单，但前提是数字后面一定紧跟不可中断空格+sq，而且开头没有其他干扰字符。如果数据里混合了普通空格和不可中断空格，可以先统一替换再拆分：

  df['area_num'] = df['area'].str.replace(r'\s', ' ').str.split(' ').str[0]
  

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