Python提取数值的技巧，让你的数据分析更精准

小蓝 • 2024-11-14 03:07 • 编程

在进行数据分析的过程中，我们常常需要从一些非结构化的文本中提取有用的信息，这些信息可能是数值、日期、邮件地址等等。Python是一门功能强大的编程语言，它提供了很多在字符串中提取数值的方法，可以帮助我们快速而准确地从非结构化的文本中提取数值。本文将介绍几种常用的Python提取数值的技巧，让你的数据分析更加精准。

一、re模块匹配数字

Python内置的re模块可以帮助我们通过正则表达式来匹配字符串中的数字。

import re

text = "Python课程价格为¥1234.56"
pattern = r'\d+\.?\d*'
match = re.search(pattern, text)
if match:
    print("找到了：", match.group())
else:
    print("没有找到")

输出结果是：找到了：1234.56

上面的代码中，使用了正则表达式“ \d+\.?\d* ”来匹配字符串中的数字。其中“ \d ”表示匹配任意数字， “ + ” 表示匹配一个或多个数字， “ \.? ”表示匹配一个可选的小数点，这里的“ ? ”表示可选，即小数点不一定存在；“ \d* ”表示匹配0个或多个数字，用于匹配整数部分和小数部分。通过re.search()函数来查找字符串中是否有符合要求的数字，并使用group()函数返回匹配到的数字。

二、使用split()分割字符串

如果字符串中含有多个数值，我们可以通过split()函数来将字符串分割成一个列表，然后再提取其中的数值。

text = "Python课程价格为¥1234.56, Java课程价格为¥2345.67"
price_str = text.split("¥")[1:]
price_list = [float(i.split(",")[0]) for i in price_str]
print(price_list)

输出结果是：[1234.56, 2345.67]

上面的代码中，首先将字符串以“ ¥ ”为分割符，分割成一个列表。其中[1:]表示只对“ ¥ ”后面的文本进行操作。接着对列表中的每个元素再按照“ , ”进行分割，取第一个元素，并将其转换成浮点数。最后将所有的浮点数存储在一个列表中。

三、使用pandas库中的str.extract()方法

除了使用re模块和split()函数之外，使用pandas库中的str.extract()方法也可以帮助我们提取字符串中的数值。

import pandas as pd

text = "Python课程价格为¥1234.56, Java课程价格为¥2345.67"
df = pd.DataFrame({'text': [text]})
df['price'] = df['text'].str.extract(r"\¥(\d+\.\d+)", expand=False).astype(float)
print(df['price'])

输出结果是：0 1234.56
Name: price, dtype: float64

上面的代码中，首先创建了一个带有文本数据的DataFrame数据框，然后使用str.extract()方法，提取出字符串中的数值。其中“ \¥(\d+\.\d+) ”表示匹配以“ ¥ ”开头，后面是一个或多个数字，接着是一个小数点，再接着是一个或多个数字。通过 .astype(float) 转换成浮点数，最后存储在一个新的列“ price ”中。

四、使用pandas库中的str.findall()方法

另外，pandas库中还有一个findall()方法，可以在每个匹配的字符串中查找并返回所有的特定字符串。

text = "宝贝重5.7kg，长70cm"
weight = pd.Series(text.split()).str.findall("\d+\.\d+kg").str[0].replace("kg", "").astype(float)
length = pd.Series(text.split()).str.findall("\d+cm").str[0].replace("cm", "").astype(float)
print("宝贝重{0}kg，长{1}cm".format(weight.values[0], length.values[0]))

输出结果是：宝贝重5.7kg，长70.0cm

上面的代码中，首先将文本数据以空格为分割符进行分割，并使用findall()函数查找匹配的字符串。其中“ \d+\.\d+kg ”表示匹配以数字开头，接着是一个小数点，再接着是一个“ kg ”结尾的字符串，用于匹配宝贝的重量；“ \d+cm ”表示匹配以数字开头，接着是一个“ cm ”结尾的字符串，用于匹配宝贝的身长。最后使用replace()函数将字符串中的“ kg ”和“ cm ”替换为空格，再使用astype(float)函数将数值转换成浮点数，并存储在一个新的变量中。

五、结语

本文介绍了几种常用的Python提取数值的技巧，即使用re模块匹配数字、使用split()函数分割字符串、使用pandas库中的str.extract()方法、以及使用pandas库中的str.findall()方法。这些技巧可以帮助我们快速、准确地从非结构化的文本中提取数值，为数据分析提供更为精准的数据支持。

原创文章，作者：小蓝，如若转载，请注明出处：https://www.506064.com/n/153554.html