You need to enable JavaScript to run this app. Pandas 大表场景下指定列高效提取10位数字的实现方法
优惠活动
大模型
产品
解决方案
定价
更多

Pandas 大表场景下指定列高效提取10位数字的实现方法

10万行规模下的高效10位数字提取实现

核心原则:全部使用Pandas底层C实现的向量化字符串方法,彻底放弃Python层逐行循环/逐行apply写法,从根源避免卡顿

首选实现(精度、性能双优)

  • 匹配规则要精准:只提取独立的、长度恰好为10位的完整数字段,避免把12位、13位长数字串中的中间10位误抓,完全适配示例场景
  • 通用正则规则:(?<!\d)(\d{10})(?!\d),含义是匹配前后都不是数字字符的10位连续数字,不管数字前后是空格、特殊符号、字符串首尾位置都能正确识别,不会漏匹配
  • 代码实现(10万行下运行耗时仅百毫秒级,无卡顿):
# 替换为你的实际目标列名
df['extracted_10digit'] = df['source_text_col'].str.extract(r'(?<!\d)(\d{10})(?!\d)', expand=False)
  • 示例验证:
    输入单元格值:'RECLASS 1239875309823 APPLE 0123456789 INV'
    输出提取值:0123456789,不会错误抓取前面13位长数字中的片段

多目标场景适配

如果单个单元格存在多个10位数字、需要全部保留,直接替换为同性能的str.findall方法即可,无额外性能损耗:

df['all_10digit_vals'] = df['source_text_col'].str.findall(r'(?<!\d)(\d{10})(?!\d)')

必须规避的性能坑

  • 禁止使用逐行apply搭配手动正则匹配的写法:这类Python层循环的运行耗时是向量化方法的几十倍,是10万行量级下出现卡顿的核心原因
  • 不要自行实现逐字符遍历判断数字长度的逻辑,效率远低于Pandas内置向量化实现

内容的提问来源于stack exchange,提问作者John Mantios

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.30 06:27:03