如何移除Python DataFrame列值中的字符串部分？以时长列为例

针对你需要清洗电影时长列的需求，这里有几种简洁高效的方法，处理后可以直接将列转为数值类型，满足线性回归分析的要求：

方法1：直接替换字符串（适合格式固定的场景） #

如果所有数据都是'XX min'的固定格式，直接用str.replace去掉' min'后缀，再转为整数：

import pandas as pd

# 假设DataFrame名为df，目标列名为'movie_duration'
df['movie_duration'] = df['movie_duration'].str.replace(' min', '', regex=False).astype(int)

regex=False参数可以避免正则表达式的额外开销，提升处理速度。

方法2：提取数字（格式有波动时更稳健） #

如果数据格式偶尔有变化（比如空格数量不一致、额外字符），用正则提取连续数字的方式更可靠：

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

(\d+)会匹配字符串中所有连续的数字序列，提取后直接转为整数类型。

方法3：分割字符串取数字部分 #

另一种直观的方式是按空格分割字符串，取分割后的第一个元素：

df['movie_duration'] = df['movie_duration'].str.split().str[0].astype(int)

这种方法同样适合固定格式的场景，代码可读性较高。

处理完成后，可以用print(df.dtypes)检查该列是否已转为int或float类型，确保符合后续线性回归的数据分析要求。

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