Primero, si tu columna es de tipo object
ya es str
(pandas llama object
a todo tipo que no sea nativo de NumPy, incluidos los tipos (clases) de Python estándar.
Para quedarte solo con el primer carácter debes indizar pero de forma vectorizada a través de pandas.Series.str
:
import pandas as pd
data = ("1 de 5", "4 de 5", "1 de 5", "2 de 5", "3 de 5")
df = pd.DataFrame({"": data})
df.iloc[:, 0] = df.iloc[:, 0].str[0]
Esto tiene un problema, si tu número tiene más de una cifra o hay un espacio antes, etc no obtendrás el número completo. Una opción muy simple pero mucho más flexible es usar pandas.Series.str.extract
con regex:
import pandas as pd
data = ("1 de 5", "4 de 5", "1 de 5", "2 de 5", "3 de 5")
s = pd.Series(data)
new_s = s.str.extract(r'(\d+)', expand=False)
>>> new_s
0 1
1 4
2 1
3 2
4 3
dtype: object
Si tienes un DataFrame, puedes aplicar el mismo método sobre la columna dado que cada columna no deja de ser una Serie:
import pandas as pd
data = ("1 de 5", "4 de 5", "1 de 5", "2 de 5", "3 de 5")
df = pd.DataFrame({"": data})
>>> df
0 1 de 5
1 4 de 5
2 1 de 5
3 2 de 5
4 3 de 5
df.iloc[:, 0] = df.iloc[:, 0].str.extract(r'(\d+)', expand=False)
>>> df
0 1
1 4
2 1
3 2
4 3
O podrías usar pandas.series.str.replace
par eliminar lo que hay después del primer número.
Si quieres convertirlo a tipo int
puedes aplicar astype
una vez que te has quedado solo con el número.
La expresión no tiene mucha ciencia:
()
-> Grupo de captura.
\d
-> Clase de caracteres que incluye todos los dígitos del 0 al 9.
+
-> Cuantificador, una o más veces.