如何在Jupyter Notebook中提取DataFrame PatientID列纯数字内容

依赖准备 #

首先在Jupyter单元格运行以下命令安装所需库（已安装可跳过）：

!pip install pandas openpyxl

• pandas：用于表格数据的读写、处理
• openpyxl：pandas读取xlsx格式Excel的依赖库

具体实现代码 #

逐单元格运行以下代码即可，注意替换文件路径为你本地的实际路径：

# 导入依赖
import pandas as pd
import re

# 1. 读取Excel文件，替换为你的文件路径、对应工作表名
df = pd.read_excel("你的数据文件.xlsx", sheet_name="你的工作表名")

# 2. 定义数字提取逻辑：匹配字符串中所有数字片段并拼接
def get_pure_num(content):
    return ''.join(re.findall(r"\d+", str(content)))

# 3. 替换PatientID列原有值
df["PatientID"] = df["PatientID"].apply(get_pure_num)

结果验证与导出 #

查看处理效果 #

运行以下代码即可输出处理后的PatientID列，和你给出的目标效果完全一致：

# 只查看PatientID列的处理结果
print(df["PatientID"])

处理效果对照：

该逻辑自动兼容空值、数字类型单元格，不会因为个别单元格格式异常报错

导出处理后的数据 #

如果需要把处理完的表格存为新的Excel文件，运行以下代码即可：

# index=False 表示不导出pandas自动生成的行索引列
df.to_excel("处理完成的患者数据.xlsx", index=False)

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