python - 如何从Python中的文本中提取二维年份？

Question

我尝试从 Pandas DataFrame 中的一列中的短文本中提取出生年份和死亡年份:

firstname lastname (1937-2015)

我使用此代码获得第一年:

data = re.findall(r'\d+', txt)
if len(data) > 0 :
    data = float(data[0])
    if data >= 1800 and data <= 2021 :
        return data
return None

但我无法从文本中提取第二年。 例如，当我将 data[0] 更改为 data[1] 时，出现错误消息“列表索引超出范围”

Answer 1

您可以定义 2 个捕获组并检查它们

df = pd.DataFrame(
    {'txt': ['firstname lastname (1937-2015)', 'firstname lastname (1780-1820)',
             'firstname lastname (1945-?)', 'firstname lastname (1980-2022)']})

df[['birth', 'death']] = df['txt'].str.extract(r'(\d+)-(\d+|\?)').replace({'?': None}).astype(float). \
    applymap(lambda x: x if 1800 <= x <= 2021 else None)
print(df)

输出:

                              txt   birth   death
0  firstname lastname (1937-2015)  1937.0  2015.0
1  firstname lastname (1780-1820)     NaN  1820.0
2     firstname lastname (1945-?)  1945.0     NaN
3  firstname lastname (1980-2022)  1980.0     NaN