Ya que quieres hacer esto para todos los valores de todas las celdas de tu dataframe (todas las filas y todas las columnas), la solución recomendada sería:
- Escribe una función que reciba como parámetro el contenido de una celda (que es una cadena) y devuelva como resultado el número que debería corresponderle.
- Aplica esa función a todas las celdas con
dataframe.applymap(funcion)
Para la escritura de esa función puedes usar cualquier funcionalidad estándar Python, como startswith()
, etc. Pero en este caso particular todo parece resolverse fácilmente con una expresión regular, ya que en el fondo los cuatro casos que enumeras se reducen a dos:
- Si la celda está vacía, su valor es cero
- Si no está vacía, es el primer número que aparezca en ella, hasta encontrar el primer carácter no-dígito (ya sea este un punto, o un
%
), convertido a int
.
La opción 2 la captura la expresión regular \d+
pues \d
significa "cualquier número" y +
significa "una o más veces".
Así pues, la siguiente función hace la transformación deseada:
import re
def extraer_numero(celda):
m = re.match(r"\d+", celda)
if m:
# Si hubo coincidencia, m.group() devuelve el texto que coincidió
# Basta convertirlo en entero
return int(m.group())
else:
# Si no hubo coincidencia (lo que ocurre también en celdas vacías)
# el valor a retornar es cero
return 0
Y se aplica a tu dataframe así:
import pandas as pd
datos = pd.DataFrame({'producto':['producto 1','producto 2','producto 3','producto 4' ], 'porc Ing 1':['100', '40.0% / +-5%','40.0%',''],
'porc Ing 2':['0', '40.0% / +-5%','40.0%','100'],
'porc Ing 3':['0', '20.0% / +-5%','20.0%','']})
datos.set_index('producto').applymap(extraer_numero)
Resultado:
porc Ing 1 porc Ing 2 porc Ing 3
producto
producto 1 100 0 0
producto 2 40 40 20
producto 3 40 40 20
producto 4 0 100 0
Si en vez de aplicarse a toda la tabla quisieras hacerlo a una sola columna, también puedes, así:
datos["porc Ing 3"] = datos["porc Ing 3"].map(extraer_numero)