Question

我是新手，确信这在我的代码中是愚蠢的。在我的辩护中，我尝试重新阅读Python RE文档here然后再询问和搜索，但到目前为止看不到重复的问题（这让我感到惊讶。）

在DataFrame之外我在这里有一个重复的例子：

x = 'my best friend's birthday is 24 Jan 2001.'
print(re.findall('\d{1,2}\s(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)[a-z]*\s\d{2,4}', x))
<Anaconda console returns:> 24 Jan 2001

但在我的Dataframe（df1）中，我有以下内容：

index     text
0         My birthday is 2/21/19
1         Your birthday is 4/1/20
2         my best friend's birthday is 24 Jan 2001.

当我运行以下代码时：

df1['dates'] = df1['text'].str.extract('.*?(\d+[/-]\d+[/-]?\d*).*?|\d{1,2}\s(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)[a-z]*\s\d+')
print('df1['dates'])

我得到以下结果：

     dates
0    2/21/19
1    4/1/20
2    NaN

我试图使用括号，重新阅读文档以及其他一些导致无休止错误的调整。我确定这是一个明显的错误，但我没有看到它。有人可以帮忙吗？谢谢。

Answer 1

在pandas中使用XML时，您必须拥有一个捕获组。 OR之前的捕获组.extract()正在使用斜杠查找日期。但是在OR之后，你只有一个非捕获组。

这里我在整个搜索模式周围放置了一个捕获，并且OR的每一侧也有一个非捕获组。

如何在Pandas RE .str.extract（）

1 个答案: