我正在尝试向 Panda 数据集添加一个新列。
这个新列 df['Year_Prod'] 派生自另一个 df['title'] 我从中提取年份。
数据示例:
country designation title
Italy Vulkà Bianco Nicosia 2013 Vulkà Bianco (Etna)
Portugal Avidagos Quinta dos Avidagos 2011 Avidagos Red (Douro)
代码:
import re
import pandas as pd
df=pd.read_csv(r'test.csv', index_col=0)
df['Year_Prod']=re.findall('\\d+', df['title'])
print(df.head(10))
我收到以下错误:
File "C:\Python37\lib\site-packages\pandas\core\frame.py", line 3119, in __setitem__self._set_item(key, value)
File "C:\Python37\lib\site-packages\pandas\core\frame.py", line 3194, in _set_item value = self._sanitize_column(key, value)
File "C:\Python37\lib\site-packages\pandas\core\frame.py", line 3391, in _sanitize_column value = _sanitize_index(value, self.index, copy=False)
File "C:\Python37\lib\site-packages\pandas\core\series.py", line 4001, in _sanitize_index raise ValueError('Length of values does not match length of ' 'index')
**ValueError: Length of values does not match length of index**
请让我知道您对此的看法,谢谢。
最佳答案
您可以使用 Pandas str.extract
df['Year_Prod']= df.title.str.extract('(\d{4})')
country designation title Year_Prod
0 Italy Vulkà Bianco Nicosia 2013 Vulkà Bianco (Etna) 2013
1 Portugal Avidagos Quinta dos Avidagos 2011 Avidagos Red (Douro) 2011
编辑:正如@Paul H. 在评论中所建议的,您的代码不起作用的原因是 re.findall 需要一个字符串,但您正在传递一个系列。可以使用 apply 来完成,其中在每一行,传递的值是一个字符串,但没有多大意义,因为 str.extract 更有效。
df.title.apply(lambda x: re.findall('\d{4}', x)[0])
关于regex - 根据其他列向 Panda 数据框添加新列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53088805/