我想从数据帧(Pandas)中提取格式为 yyyy-mm-dd 的第一个日期。当没有找到日期时,只返回一个空字符串。 这些是数据框中存储的数据的一些示例。
1976-05-17 [ ]
[ ] 1976-05-172
1976-05-17
1976-05-17 Atlanta, Georgia U.S.
1976-05-17 1975-07-11
( 1976-05-17 ) 1976-05-17 (age 38) [ ]
在所有情况下,我都想要 1976-05-17 或空字符串。
结果将在 DataFrame 上运行正则表达式并将结果添加到新列
最佳答案
要获得第一个,请使用search
,它将停止在第一个匹配的子字符串处:
r = re.compile("\d{4}-\d{2}-\d{2}")
使用您的示例:
lines = """1976-05-17 [ ]
[ ] 1976-05-172
1976-05-17
1976-05-17 Atlanta, Georgia U.S.
1976-05-17 1975-07-11
( 1976-05-17 ) 1976-05-17 (age 38) [ ]"""
r = re.compile("\d{4}-\d{2}-\d{2}")
for line in lines.splitlines():
m = r.search(line)
if m:
print(m.group())
输出:
1976-05-17
1976-05-17
1976-05-17
1976-05-17
1976-05-17
1976-05-17
如果您将其应用于 df,则可以测试是否存在匹配项,如果是则使用匹配项,否则使用空字符串作为值,即
import pandas as pd
df = pd.read_csv("test.txt")
print(df)
def match(x):
m = r.search(x)
if m:
return m.group()
return ""
输出:
print(df)
print df["date"].apply(match)
date
0 1976-05-17 [ ]
1 [ ] 1976-05-172
2 1976-05-17
3 1976-05-17 Atlanta, Georgia U.S.
4 1976-05-17 1975-07-11
5 ( 1976-05-17 ) 1976-05-17 (age 38) [ ]
0 1976-05-17
1 1976-05-17
2 1976-05-17
3 1976-05-17
4 1976-05-17
5 1976-05-17
Name: date, dtype: object
如果您同意 Nan 不匹配,您还可以将该列设置为等于 str.extract
的返回值:
print df["date"].str.extract(r"(\d{4}-\d{2}-\d{2})")
将“foo”
添加到列中:
0 1976-05-17
1 1976-05-17
2 1976-05-17
3 1976-05-17
4 1976-05-17
5 1976-05-17
6 NaN
Name: date, dtype: object
关于python - 从数据框中的字符串中提取第一个日期,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/32801019/