如何筛选含5位数字的DataFrame行并替换NAME列值？

原始数据 #

import pandas as pd

data = {
    'NAME': ['Total', 'Macael-04062', 'Spain', 'Badalona-08911', 'Vallecas-28031'],
    'NUM_OWNERS': [23900137, 366607, 4283950, 5829, 5691],
    'NUM_DOCS': [21028886, 324413, 3642683, 6250, 5215],
    'NUM_RESIDENTS': [44571130.0, 727945.0, 8464411.0, 15480.0, 10358.0]
}
df = pd.DataFrame(data)

原始DataFrame输出：

NAME  NUM_OWNERS  NUM_DOCS  NUM_RESIDENTS
0           Total    23900137  21028886      44571130.0
1     Macael-04062      366607    324413        727945.0
2           Spain     4283950   3642683       8464411.0
3   Badalona-08911        5829      6250         15480.0
4   Vallecas-28031        5691      5215         10358.0

需求 #

保留NAME列中包含5位数字的行，并将NAME列的值替换为该5位数字。

解决方案 #

用正则提取目标数字并过滤无效行：

# 提取NAME中的5位数字，无匹配则设为NaN
df['NAME'] = df['NAME'].str.extract(r'(\d{5})')
# 删除NAME为NaN的行，重置索引
df = df.dropna(subset=['NAME']).reset_index(drop=True)

处理后结果 #

NAME  NUM_OWNERS  NUM_DOCS  NUM_RESIDENTS
0  04062      366607    324413        727945.0
1  08911        5829      6250         15480.0
2  28031        5691      5215         10358.0

代码说明 #

• str.extract(r'(\d{5})')：通过正则\d{5}匹配连续5位数字，括号捕获匹配内容并替换原NAME列；无匹配的行NAME会被设为NaN
• dropna(subset=['NAME'])：过滤掉NAME为NaN的行，即不含5位数字的行
• reset_index(drop=True)：重置结果索引，避免出现断号

内容的提问来源于stack exchange，提问作者Carola