如何用Python提取字段纯数字及处理CSV的Cabin列

如果是处理pandas DataFrame中的列，最简洁高效的方式是借助正则表达式提取数字：

import pandas as pd

# 假设你的数据存储在df中，目标列名为'mixed_column'
df['only_numbers'] = df['mixed_column'].str.extract(r'(\d+)', expand=False)
# 可选：将提取出的字符串转为数值类型
df['only_numbers'] = pd.to_numeric(df['only_numbers'], errors='coerce')

str.extract(r'(\d+)')会匹配字段中连续的数字序列，返回第一个匹配结果。如果需要提取所有分散的数字（比如X1Y2Z3要得到123），可以用替换法删掉非数字字符：

df['all_numbers'] = df['mixed_column'].str.replace(r'\D', '', regex=True)

如果是处理单个字符串（不用pandas），用列表推导式也很直观：

def extract_all_digits(s):
    return ''.join(char for char in s if char.isdigit())

# 示例
print(extract_all_digits('A23B45'))  # 输出 '2345'

看了你写的部分代码，先修正两个小问题：一是判断条件里应该用==而非=（你写成了赋值操作）；二是dataset['Cabin'] < 'B'的逻辑不适用，我们需要提取所有字母部分，不管是A、B还是其他字母开头的值。

下面是完整的实现方案（基于pandas，适配你的CSV场景）：

import pandas as pd

# 读取CSV文件，假设full_set是包含DataFrame的列表（和你的代码结构一致）
full_set = [pd.read_csv('your_file.csv')]

for dataset in full_set:
    # 第一步：将NOCABIN替换为0
    dataset['Cabin'] = dataset['Cabin'].replace('NOCABIN', 0)
    
    # 第二步：提取其他值中的字母部分
    # 方法一：自定义函数+apply，逻辑清晰易读
    def get_cabin_letters(value):
        if value == 0:
            return 0
        # 转为字符串后提取所有字母字符
        return ''.join([c for c in str(value) if c.isalpha()])
    
    dataset['Cabin'] = dataset['Cabin'].apply(get_cabin_letters)
    
    # 方法二：用str.extract更高效（推荐处理大数据集）
    # 先转字符串，提取连续字母序列，空值（原0转字符串后无字母）填充为0
    # dataset['Cabin'] = dataset['Cabin'].astype(str)
    # dataset['Cabin'] = dataset['Cabin'].str.extract(r'([A-Za-z]+)', expand=False)
    # dataset['Cabin'] = dataset['Cabin'].fillna(0)

两种方法的处理效果一致，比如：

方法一适合新手理解，方法二利用pandas内置字符串方法，处理大文件时效率更高。

内容的提问来源于stack exchange，提问作者panos hatzidakis