Python 在数据帧中使用正则表达式-最后5个字符

我想通过以下方式将列类型从OBJECT更改为INT：

df['col name'].astype(str).astype(int)

df[df["col name"].str.contains("/")]

此方法适用于其他列，但对于这一列，它不起作用，因为有百分之几的行具有无法转换为INT的值，这正是百分之几的行具有如下内容的“分数”列：

1050/1500

应该是：

1050

我使用Regex以以下方式查找这些行：

df['col name'].astype(str).astype(int)

df[df["col name"].str.contains("/")]

---

现在我只需要从这些行中删除5个字符并保存列，但如果不指定要在哪一行中执行，我不知道如何执行

实现最终目标有多种方法

如果性能不是问题，您可以将

apply

与字符串逻辑一起使用：

df['col name']=df['col name'].apply（lambda x:int（str（x）.split（'/'）[0]））
出[30]：
科尔曼
0     1050
1     1020
2     1030
3     1000
4     1000

考虑到最后5个字符，您可以使用类似的逻辑

df['colname']=df['colname']。应用（如果len（x）>5，则lambda x:x[：-5]
出[32]：
科尔曼
0    1050
1    1020
2    1030
3    1000
4    1000

如果您确实想使用正则表达式，可以使用：

df['colname']=df['colname'].replace（'（？：\/[0-9]+）'，''，regex=True）
出[33]：
科尔曼
0    1050
1    1020
2    1030
3    1000
4    1000

如果性能很重要，我们可以创建一个大型版本的dataframe，并测试3种方法的性能：

df=pd.DataFrame（df['colname'].repeat（10000），columns=['colname']））
len（df）
输出[33]
270000
##方法1
%timeit df['colname']=df['colname'].apply（lambda x:int（str（x）.split（'/'）[0]））
每个回路123 ms±1.03 ms（7次运行的平均值±标准偏差，每个10个回路）
###方法2
%timeit df['colname']=df['colname']。应用（如果len（x）>5，则lambda x:x[：-5]
每个回路31.6 ms±280µs（7次运行的平均值±标准偏差，每个10个回路）
##方法3
%timeit df['colname']=df['colname'].replace（'（？：\/[0-9]+）'，''，regex=True）
每个回路57.3 ms±265µs（7次运行的平均值±标准偏差，每个10个回路）

您可以使用

/\d+$

正则表达式删除

/

和字符串末尾的以下数字。因此，首先将数据转换为字符串，然后替换，然后转换为int：

df["col name"] = df["col name"].astype(str).str.replace(r'/\d+$', '').astype(int)

看

详细信息

• /

  -a

  /

  字符

• \d+

  -任意一个或多个数字

• $

  -字符串结束

---

尝试

df[“col name”]=df[“col name”].astype（str）.str.replace（r'/\d+$，''）.astype（int）

它适用于meGreat，我发布为。