Python Pandas Dataframe提取字符串开头数字：解决多数字合并问题

需求：提取字符串开头的数字，现有数据示例：

column1
10units
200 mg
4000units/40mg
40 units

使用以下代码时，含多个数字的单元格会把所有数字合并，其余结果正常：

df['newcolumn'] = df['column1'].astype('str').str.extractall('(\d+)').unstack().fillna('').sum(axis=1).astype(int)

当前输出：

newcolumn
    10
    200
    400040
    40

期望输出（仅保留开头数字）：

newcolumn
        10
        200
        4000
        40

修正方案 #

原代码用extractall会匹配字符串中所有数字，导致后续数字被合并。改用str.extract配合锚定字符串开头的正则表达式，仅提取起始位置的连续数字：

df['newcolumn'] = df['column1'].astype('str').str.extract('^(\d+)').astype(int)

说明：

• ^ 是正则锚点，限定匹配必须从字符串开头开始
• (\d+) 匹配一段连续的数字序列
• str.extract 只会提取第一个匹配结果（也就是开头的数字），无需额外的unstack或求和操作

运行修正后的代码，即可得到符合预期的输出，不会合并后续出现的数字。

内容的提问来源于stack exchange，提问作者Ziggy