Pandas: 提取DataFrame单列字符串字段中包含的最大数值并生成新列

核心思路 #

• 用正则匹配提取目标列每个字符串中的所有连续数字
• 转换为整数后按原行分组取最大值，直接映射生成新列

完整实现代码 #

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'number_quotes': [
        'I have 1-50 ice-creams',
        '4 people out of 10 said hello',
        '8889 or 9500 but could be 10903'
    ]
})

# 核心计算逻辑：提取数字→转整型→按原行分组取最大值
df['max_number'] = df['number_quotes'].str.extractall(r'(\d+)').astype(int).groupby(level=0).max()

# 可选：如果存在无数字的行，可替换空值为0
# df['max_number'] = df['max_number'].fillna(0).astype(int)

print(df)

输出结果 #

number_quotes  max_number
0             I have 1-50 ice-creams          50
1      4 people out of 10 said hello          10
2  8889 or 9500 but could be 10903       10903

逻辑说明 #

• 正则规则r'(\d+)'用于匹配所有连续的数字字符
• str.extractall返回的结果第一层索引和原DataFrame的行索引一一对应，分组取最大值后可以直接对齐赋值给新列

内容的提问来源于stack exchange，提问作者a.WOL7