Python提取數值的技巧，讓你的數據分析更精準

在進行數據分析的過程中，我們常常需要從一些非結構化的文本中提取有用的信息，這些信息可能是數值、日期、郵件地址等等。Python是一門功能強大的編程語言，它提供了很多在字符串中提取數值的方法，可以幫助我們快速而準確地從非結構化的文本中提取數值。本文將介紹幾種常用的Python提取數值的技巧，讓你的數據分析更加精準。

一、re模塊匹配數字

Python內置的re模塊可以幫助我們通過正則表達式來匹配字符串中的數字。

import re

text = "Python課程價格為¥1234.56"
pattern = r'\d+\.?\d*'
match = re.search(pattern, text)
if match:
    print("找到了：", match.group())
else:
    print("沒有找到")

輸出結果是：找到了：1234.56

上面的代碼中，使用了正則表達式“ \d+\.?\d* ”來匹配字符串中的數字。其中“ \d ”表示匹配任意數字， “ + ” 表示匹配一個或多個數字， “ \.? ”表示匹配一個可選的小數點，這裡的“ ? ”表示可選，即小數點不一定存在；“ \d* ”表示匹配0個或多個數字，用於匹配整數部分和小數部分。通過re.search()函數來查找字符串中是否有符合要求的數字，並使用group()函數返回匹配到的數字。

二、使用split()分割字符串

如果字符串中含有多個數值，我們可以通過split()函數來將字符串分割成一個列表，然後再提取其中的數值。

text = "Python課程價格為¥1234.56, Java課程價格為¥2345.67"
price_str = text.split("¥")[1:]
price_list = [float(i.split(",")[0]) for i in price_str]
print(price_list)

輸出結果是：[1234.56, 2345.67]

上面的代碼中，首先將字符串以“ ¥ ”為分割符，分割成一個列表。其中[1:]表示只對“ ¥ ”後面的文本進行操作。接着對列表中的每個元素再按照“ , ”進行分割，取第一個元素，並將其轉換成浮點數。最後將所有的浮點數存儲在一個列表中。

三、使用pandas庫中的str.extract()方法

除了使用re模塊和split()函數之外，使用pandas庫中的str.extract()方法也可以幫助我們提取字符串中的數值。

import pandas as pd

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

輸出結果是：0 1234.56
Name: price, dtype: float64

上面的代碼中，首先創建了一個帶有文本數據的DataFrame數據框，然後使用str.extract()方法，提取出字符串中的數值。其中“ \¥(\d+\.\d+) ”表示匹配以“ ¥ ”開頭，後面是一個或多個數字，接着是一個小數點，再接着是一個或多個數字。通過 .astype(float) 轉換成浮點數，最後存儲在一個新的列“ price ”中。

四、使用pandas庫中的str.findall()方法

另外，pandas庫中還有一個findall()方法，可以在每個匹配的字符串中查找並返回所有的特定字符串。

text = "寶貝重5.7kg，長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("寶貝重{0}kg，長{1}cm".format(weight.values[0], length.values[0]))

輸出結果是：寶貝重5.7kg，長70.0cm

上面的代碼中，首先將文本數據以空格為分割符進行分割，並使用findall()函數查找匹配的字符串。其中“ \d+\.\d+kg ”表示匹配以數字開頭，接着是一個小數點，再接着是一個“ kg ”結尾的字符串，用於匹配寶貝的重量；“ \d+cm ”表示匹配以數字開頭，接着是一個“ cm ”結尾的字符串，用於匹配寶貝的身長。最後使用replace()函數將字符串中的“ kg ”和“ cm ”替換為空格，再使用astype(float)函數將數值轉換成浮點數，並存儲在一個新的變量中。

五、結語

本文介紹了幾種常用的Python提取數值的技巧，即使用re模塊匹配數字、使用split()函數分割字符串、使用pandas庫中的str.extract()方法、以及使用pandas庫中的str.findall()方法。這些技巧可以幫助我們快速、準確地從非結構化的文本中提取數值，為數據分析提供更為精準的數據支持。