python - 从自定义文本字段中提取年份和月份

Question

我有一个数据框，其中有一列包含有关此人在组织中拥有帐户的年数/月数的信息。

该字段是自定义文本格式，

eg: '0yrs 11mon', '15yrs 4mon' etc.

有没有一种方法可以将年份和月份提取到单独的列中，如下所示:

Member Since | Year | Mon
-------------------------

'0yrs 11mon' | 0 | 11 
-------------------------------------------

'15yrs 4mon' | 15 | 4
---------------------

Answer 1

您可以使用 Series.str.extract :

df['Year'] = df['Member Since'].str.extract('(\d+)(?:yrs)')
df['Mon'] = df['Member Since'].str.extract('(?:\s)(\d+)(?:mon)')

?: 是非捕获组表示法。这意味着它匹配正则表达式但不在输出中捕获

你也可以试试Series.str.extractall :

df[['year','mon']]= df['Member Since'].str.extractall('(\d+)').unstack()
df
  Member Since  year    mon
0   0yrs 11mon   0      11
1   15yrs 4mon   15      4

extractall 函数实际上返回一个 DataFrame，每一行对应一个匹配项，每一列对应一个组，因此您需要对其进行拆分。

Use the extract all method only if you have numbers as shown in your question. More or less than two will return an error.