Python 如何从DataFrame单元格字符串中提取数字并检测重复值

你可以通过两种方式实现单元格重复值检测，以下是可直接运行的代码实现：

方法1：ast解析结构化字符串（推荐） #

完全按照列表结构解析内容，不会出现误匹配的问题：

import pandas as pd
import ast

def check_duplicate(cell):
    total_nums = []
    # 遍历单元格内两个字符串格式的列表
    for str_list in cell:
        # 将字符串转为真实的列表对象
        num_list = ast.literal_eval(str_list)
        # 把字符串类型的数字转为整数后汇总
        total_nums.extend([int(num) for num in num_list])
    # 总长度和去重后的长度不一致即存在重复
    return len(total_nums) != len(set(total_nums))

# 应用到你的DataFrame对应列，生成标记列
# 替换下方的`fight_num_col`为你存储该内容的列名
df['has_duplicate'] = df['fight_num_col'].apply(check_duplicate)

标记列has_duplicate取值为True即代表该单元格存在重复数字，不符合6个数字全唯一的要求。

方法2：正则匹配提取数字（写法更简洁） #

如果你的单元格内不存在FightNum以外的其他数字，可以用更简单的正则提取方式：

import re

def check_duplicate(cell):
    # 提取单元格内容中所有数字串，转为整数
    nums = [int(num) for num in re.findall(r'\d+', str(cell))]
    return len(nums) != len(set(nums))

# 同样应用到对应列即可
df['has_duplicate'] = df['fight_num_col'].apply(check_duplicate)

内容的提问来源于stack exchange，提问作者Sedric Hibler