Python 高级字符串数据操作

我有一个

dataframe

，感兴趣的

列也非常凌乱。我尝试过执行一些
匹配字符串
，但不起作用

这些数据来自网站，因此该专栏非常具有信息性。我对数字的列表结构感兴趣。以下是框架的外观：

169508[3]
169509                                               [3, 4]
169510                                                  [3]
169511                                                  [3]
169512                                                  [3]
169513                                                  [6]
169514                                               [3, 4]
169515                                               [3, 4]
169516                                               [3, 4]
169517                                                  [6]
169518[6]和ORD（MID）（选择IFNULL（强制转换）（计数（距离）。。。
169519[6]和ORD（MID）（选择IFNULL（强制转换）（计数（距离）。。。
169520[6]和ORD（MID）（选择IFNULL（强制转换）（计数（距离）。。。
169521[6]和ORD（MID）（选择IFNULL（强制转换）（计数（距离）。。。
169522[6]和2831=如果（ORD）（MID）（选择IFNULL（CAST）（C。。。
169523[6]和2831=如果（ORD）（MID）（选择IFNULL（CAST）（C。。。
169524[6]和2831=如果（ORD）（MID）（选择IFNULL（CAST）（C。。。
169525                                                  [6]
169526[6]和2831=如果（ORD）（MID）（选择IFNULL（CAST）（C。。。
169527                                                  [3]
169528                                                  [2]
169529                                               [3, 4]
169530                                                  [3]
169531                                                  [6]
169532                                               [3, 4]

以下是我所期待的输出：

    type_prod

0   ['3']
1   ['6']
2   ['3','4']
3   ['3','4','6']
4   ['3','4']
5   ['6']
6   ['6']
7   ['5']
8   ['5']
9   ['3', '4', '1']
10  ['6', '2', '5', '1']
11  ['3', '4']
12  ['3', '4']
13  ['6', '2', '5', '1']
14  ['3', '4']
15  ['3', '4']
16  ['3', '4']
17  ['3', '4']
18  ['3', '4']
19  ['3', '4']
20  ['3', '4']
21  ['3', '4']
22  ['3', '4']
23  ['3', '4']
24  ['6']
25  ['6']
26  ['6']

您可以使用regex和apply，但很难判断何时只需要在索引24到26中返回一个数字。我假设如果字符串包含“and”，则只返回第一个数字，根据示例，该数字是字符2

import re

messydf['type_prod'].apply(lambda x: list(re.sub("[^0-9]", "", x)) if 'AND' not in x  else list(x[2]))

更新以使用列表而不是字符串
检查您的预期输出。我认为您犯了一个错误，可能是行未对齐。事实上，您有
['6'，'2'，'5'，'1']
在第10行
10
中，没有明确的原因。谢谢，但我得到以下错误：
TypeError:expected string或bytes like object
@A.JT在您的示例中，您指出每个单元格都是一个字符串：
“['3']”
该错误表明您可能正在使用列表：
['3']
请相应地更新您的示例数据框。我已对其进行了更新。对于此示例中的细微错误，我深表歉意string@A.JT查看更新。让我知道这是否接近您想要的/是您的预期输出。@A.JT很高兴我能提供帮助。编码愉快。
from io import StringIO
import pandas as pd
import ast
import re

# prepare sample data
s = """index;type_prod
169508;[3]
169509;[3, 4]
169510;[3]
169511;[3]
169512;[3]
169513;[6]
169514;[3, 4]
169515;[3, 4]
169516;[3, 4]
169517;[6]
169518;['6) AND ORD(MID((SELECT IFNULL(CAST(COUNT(DIST...']
169519;['6) AND ORD(MID((SELECT IFNULL(CAST(COUNT(DIST...']
169520;['6) AND ORD(MID((SELECT IFNULL(CAST(COUNT(DIST...']
169521;['6) AND ORD(MID((SELECT IFNULL(CAST(COUNT(DIST...']
169522;['6) AND 2831=IF((ORD(MID((SELECT IFNULL(CAST(C...']
169523;['6) AND 2831=IF((ORD(MID((SELECT IFNULL(CAST(C...']
169524;['6) AND 2831=IF((ORD(MID((SELECT IFNULL(CAST(C...']
169525;[6]
169526;['6) AND 2831=IF((ORD(MID((SELECT IFNULL(CAST(C...']
169527;[3]
169528;[2]
169529;[3, 4]
169530;[3]
169531;[6]
169532;[3, 4]"""

messydf = pd.read_csv(StringIO(s), sep=';')
messydf = messydf.set_index('index')
messydf['type_prod'] = messydf['type_prod'].apply(ast.literal_eval)

# lambda function with re
messydf['type_prod'] = messydf['type_prod'].apply(lambda x: list(re.sub("[^0-9]", "", str(x)))\
                                                  if 'AND' not in str(x) else list(str(x)[2]))
print(messydf)

       type_prod
index           
169508       [3]
169509    [3, 4]
169510       [3]
169511       [3]
169512       [3]
169513       [6]
169514    [3, 4]
169515    [3, 4]
169516    [3, 4]
169517       [6]
169518       [6]
169519       [6]
169520       [6]
169521       [6]
169522       [6]
169523       [6]
169524       [6]
169525       [6]
169526       [6]
169527       [3]
169528       [2]
169529    [3, 4]
169530       [3]
169531       [6]
169532    [3, 4]