作者：Python进阶者

来源：Python爬虫与数据挖掘

一、前言

前几天在Python黄金交流群有个叫【安啦!】的粉丝问了一个Python正则表达式提取数字的问题，这里拿出来给大家分享下，一起学习下。

代码截图如下：

可能有的粉丝不明白，这里再补充下。下图是她的原始数据列，关于【工作经验】列的统计。

现在她的需求是将工作年限提取出来，用于后面的多元回归分析。

二、解决过程

这里提供四个解决方法，感谢【Python进阶者】和【月神】提供的方法。前面两种是【Python进阶者】的，后面两个是【月神】提供的，一起来学习下吧！

方法一

代码如下：

def work_year(y): y = y.strip() if y == '无需经验': return 0 elif y == '在校生/应届生': return 0 elif '-' in y and '年经验' in y:
        low_experience = re.findall(re.compile('(d*.?d+)'), y)[0]
        high_experience = re.findall(re.compile('(d?.?d+)'), y)[1]
        s = round((float(low_experience) + float(high_experience)) / 2, 0) return s elif '年经验' in y or '年以上经验' in y:
        year = re.findall(re.compile('^(d+)'), y)[0] return year else: return y
df['new']=df['工作经验'].apply(work_year)
df.head()

运行结果如下图所示：

方法二

代码如下：

def work_year(y): if y == '无需经验': return 0 elif y == '在校生/应届生': return 0 elif '-' in y:
        low_experience = re.findall(re.compile('(d*.?d+)'), y)[0]
        high_experience = re.findall(re.compile('(d?.?d+)'), y)[1]
        s = round((float(low_experience) + float(high_experience)) / 2, 0) return s elif y[0].isnumeric():
        year = re.findall(re.compile('^(d+)'), y)[0] return year else: return y
df['col1'] = df['工作经验'].str.strip().apply(work_year)
df

运行结果如下图所示：

方法三

代码如下：

def work_year(y): search_year = re.search(r'(d+)?-?(d+)', y) def average(args): x = tuple(args)
        length = len(x) return round(sum(x) / length, 0) if search_year: return average([int(i) for i in search_year.groups() if i]) else: return 0 df['new1'] = df['工作经验'].apply(work_year)

这里只需要写一个正则表达式就行了，如果取到值就对取到的值求平均，没有就返回0。

运行结果如下图所示：

方法四

代码如下：

df['new2'] = df['工作经验'].str.extract(r'(d+)?-?(d+)').astype(float).mean(axis=1).fillna(0).round(0)

这个是用str.extract提取正则，正则表达式和上面一样，用了很多的链式方法，运行结果如下图所示：

所以代码简单了，但是可能不太好懂。

三、总结

大家好，我是Python进阶者。这篇文章基于粉丝提问，盘点了csv文件中工作经验列工作年限数字正则提取的三个方法，代码非常实用，可以举一反三，文中针对该问题给出了具体的解析和代码演示，帮助粉丝顺利解决了问题。