Как я могу извлечь только цифры из этих столбцов?

Question

Предположим, у вас есть столбец в excel со значениями, подобными этим ... присутствуют только 5500 чисел, но длина 5602 означает, что присутствует 102 строки

 4        SELECTIO 
6            N NO
14          37001
26          37002
38          37003
47          37004
60          37005
73          37006
82          37007
92          37008
105         37009
119         37010
132         37011
143         37012
157         37013
168         37014
184         37015
196         37016
207         37017
220         37018
236         37019
253         37020
267         37021
280         37022
287       Krishan
290         37023
300         37024
316         37025
337         37026
365         37027
           ...   
74141       42471
74154       42472
74169       42473
74184       42474
74200       42475
74216       42476
74233       42477
74242       42478
74256       42479
74271       42480
74290       42481
74309       42482
74323       42483
74336       42484
74350       42485
74365       42486
74378       42487
74389       42488
74398       42489
74413       42490
74430       42491
74446       42492
74459       42493
74474       42494
74491       42495
74504       42496
74516       42497
74530       42498
74544       42499
74558       42500
Name: Selection No., Length: 5602, dtype: object

и я хочу получить в Python только числовые значения, подобные этому, используя панд

37001 
37002
37003
37004
37005

как я могу это сделать?Я прикрепил свой код в Python, используя панд ..............................................

def selection(sle):
    if sle in re.match('[3-4][0-9]{4}',sle):
        return 1
    else:
        return 0

select['status'] = select['Selection No.'].apply(selection) 

и теперь я получаю "argument of type 'NoneType' is not iterable" ошибку.

Answer 1

Попробуйте использовать Numpy с np.isreal и выберите только цифры ..

import pandas as pd
import numpy as np
df = pd.DataFrame({'SELECTIO':['N NO',37002,37003,'Krishan',37004,'singh',37005], 'some_col':[4,6,14,26,38,47,60]})

df
  SELECTIO  some_col
0     N NO         4
1    37002         6
2    37003        14
3  Krishan        26
4    37004        38
5    singh        47
6    37005        60
>>> df[df[['SELECTIO']].applymap(np.isreal).all(1)]
  SELECTIO  some_col
1    37002         6
2    37003        14
4    37004        38
6    37005        60

результат:

Специфично для столбца SELECTIO ..

df[df[['SELECTIO']].applymap(np.isreal).all(1)]
  SELECTIO  some_col
1    37002         6
2    37003        14
4    37004        38
6    37005        60

ИЛИ просто другой подход к импорту numbers + lambda:

import numbers
df[df[['SELECTIO']].applymap(lambda x: isinstance(x, numbers.Number)).all(1)]
  SELECTIO  some_col
1    37002         6
2    37003        14
4    37004        38
6    37005        60

Примечание: существует проблема при извлечении столбца, который вы используете ['Selection No.'] но на самом деле у вас есть пробел в названии, это будет похоже на ['Selection No. '] , поэтому вы получаете KeyError при его выполнении, попробуйте и посмотрите!

Answer 2

Ваша функция содержит неправильное выражение:
if sle in re.match('[3-4][0-9]{4}',sle): - она ​​пытается найти значение столбца sle IN соответствующий объект , который "всегда имеет логическое значение True" (re.match возвращает None при отсутствии совпадений)

---

Я бы предложил продолжить работу с pd.Series.str.isnumeric функцией:

In [544]: df
Out[544]: 
  Selection No.
0         37001
1         37002
2         37003
3         asnsh
4         37004
5         singh
6         37005

In [545]: df['Status'] = df['Selection No.'].str.isnumeric().astype(int)

In [546]: df
Out[546]: 
  Selection No.  Status
0         37001       1
1         37002       1
2         37003       1
3         asnsh       0
4         37004       1
5         singh       0
6         37005       1

---

Еслитребуется строгий шаблон регулярных выражений - используйте функцию pd.Series.str.contains:

df['Status'] = df['Selection No.'].str.contains('^[3-4][0-9]{4}$', regex=True).astype(int)