数字と文字列が混在したデータフレーム内の列に対する文字列処理について

Question

前提・実現したいこと

データフレームに数字、文字列が混在した状態になっており、

最終的には文字列に含まれる数字だけを残した列にしたいと
以下のような処理を行ったところ、
数字の箇所がNaNになってしまい、
データ型が問題であるところまでは分かったのですが、
処理がうまく加なかったため、対応方法を教えていただけないでしょうか？

発生している問題・エラーメッセージ

2と3()はそれぞれ2と3で出てきますが、他のデータがNaNになってしまっています。

0 NaN
1 NaN
2 2
3 3
Name: 0, dtype: object

該当のソースコード

Python 3.8

import pandas as pd
s = pd.DataFrame([0,1,2.’2’, ‘3(電)’])
s_ans = a[0].str.replace(‘[(]降[)]’, ‘’)
s_ans

Answer 1

DataFrame.str.replace() ではなく DataFrame.replace() を使うことで文字列以外をNanに変換することなく対象のみを置換することができるかと思います。

（今回の場合**"完全一致"ではなく"部分一致"**で置換をする必要があるので regex=True を指定してください）

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.replace.html

import pandas as pd

df = pd.DataFrame([0, 1, 2, "2", "3(電)"])
print(df[0].replace("[(電)]", "", regex=True).astype(int))
#0    0
#1    1
#2    2
#3    2
#4    3
#Name: 0, dtype: int64

Comments

[jin_next]

いただいた方法でうまくいきました。ありがとうございました。

Answer 2

数字に対するstr.replaceがないためにNaNとなるようです。
一度str型にしてからint型に戻す方法がstack overflowにありました。

df = pd.DataFrame([0, 1, 2, "2", "3(電)"])
s_ans = df[0].astype(str).str.replace("[(電)]", "").astype(int)
print(s_ans)

# 結果
# 0    0
# 1    1
# 2    2
# 3    2
# 4    3
# Name: 0, dtype: int64

参考URL

• stack overflowの回答