如何删除pandas DataFrame中数值后方附带的多余非预期字符

处理方案 #

核心思路 #

你的需求本质是提取字符串开头的数字（支持整数/带小数的数值），忽略数字之后所有的无关字符（million、引用标注等），用正则匹配处理效率最高。

方法1：直接提取目标数值（推荐） #

用pandas的str.extract方法捕获开头的数字部分，一步到位：

# 假设待处理的列名为 raw_value，处理后存入 cleaned_value 列
df['cleaned_value'] = df['raw_value'].str.extract(r'^(\d+\.?\d*)').astype(float)

正则说明：

• ^ 匹配字符串开头
• \d+ 匹配至少1位数字
• \.? 匹配可选的小数点
• \d* 匹配小数点后可选的数字
• 括号()包裹的部分是要提取的捕获组

方法2：用replace删除无关内容 #

如果你习惯用str.replace，可以匹配第一个非数字/小数点字符之后的所有内容，替换为空：

df['cleaned_value'] = df['raw_value'].str.replace(r'[^\d.].*$', '', regex=True).astype(float)

正则说明：

• [^\d.] 匹配不是数字、也不是小数点的字符
• .*$ 匹配从这个字符开始到字符串结尾的所有内容

常见问题说明 #

你之前用str.replace没生效大概率是没开regex=True参数（pandas 2.0+版本该参数默认是False，仅支持替换固定字符串）；str.strip只能移除首尾指定的单个字符，无法匹配模式化的多余内容，不适合这个场景。

测试验证 #

拿你给出的示例数据测试：

import pandas as pd
# 模拟你的数据
df = pd.DataFrame({
    'raw_value': [
        '19.5million[1][b]',
        '16million[5][6][7][d]',
        '13.2million[11][e]'
    ]
})
# 执行处理
df['cleaned_value'] = df['raw_value'].str.extract(r'^(\d+\.?\d*)').astype(float)
print(df['cleaned_value'])

输出结果：

0    19.5
1    16.0
2    13.2
Name: cleaned_value, dtype: float64

如果不需要小数可以把astype(float)改成astype(int)或者按需调整。

内容的提问来源于stack exchange，提问作者Nicholas Borodach