如何使用正则表达式从DataFrame中提取数据并修正数值格式

• pd.Series.str 系列方法仅对字符串类型元素生效，列中原本为整型的数值调用该类方法时会直接返回NaN，这是你运行代码后首行出现空值的原因
• 你现有的代码仅处理了first列，未处理second列，所以second列的特殊符号没有被清除

仅处理单列的写法 #

frame = pd.DataFrame({'first': [123, '32^'], 'second': [23,'13_']})
# 先将列转为字符串，提取数字后再转回整型
frame['first'] = frame['first'].astype(str).str.extract(r'(\d+)', expand=False).astype(int)

批量处理所有列的写法 #

如果需要对全表所有列统一做数值提取，直接批量处理即可：

frame = pd.DataFrame({'first': [123, '32^'], 'second': [23,'13_']})
# 全表先转字符串→逐列提取数字→全表转整型
frame = frame.astype(str).apply(lambda col: col.str.extract(r'(\d+)', expand=False)).astype(int)

运行后得到的结果为：

first  second
0    123      23
1     32      13

所有值均为纯整型，符合需求。

内容的提问来源于stack exchange，提问作者Kanat Kaziev