Question

我有一个包含字符串列的数据框：

text = ['dasndljaksdhfinwejfiv 12/05/2018'', 'akdhaouiyfbh adv12.03.2019','faytdvi advonalsdnfoaidv 5/9/2019IUAYFNVVKNVAIUEHF']

我只想从中提取日期，然后添加到新列中。

我尝试了以下操作，但它只是返回列的原始字符串值：

df['date'] = df.text.replace({r"\d{2}[\/ ](\d{2}|January|Jan)[\/ ]\d{2,4}"},regex=True)

解决这个问题的最佳方法是什么？

Answer 1

您可以使用.str.extract()，使用\d{1,2}匹配1位数字的日期和月份，并将.添加到定界符模式：

df['date'] = df['text'].str.extract(r"(\d{1,2}[/. ](?:\d{1,2}|January|Jan)[/. ]\d{2}(?:\d{2})?)")

请参见regex demo。

另外，请注意\d{2}(?:\d{2})?匹配2或4位数字，而\d{2,4}匹配2、3或4位数字。

请注意，整个正则表达式模式都用捕获组进行包装，这是有必要的，因为.str.extract需要至少一个捕获组才能工作，它只会产生捕获的文本。

要匹配不在其他数字内的日期，可以在开头添加(?<!\d)，在末尾添加(?!\d)，这样可以使格式更安全。

如果您打算匹配任何英语月份的名称，则需要稍微扩展一下模式：

r"(?<!\d)(\d{1,2}[/. ](?:\d{1,2}|(?:J(?:an(?:uary)?|u(?:ne?|ly?))|Feb(?:ruary)?|Ma(?:r(?:ch)?|y)|A(?:pr(?:il)?|ug(?:ust)?)|Sep(?:t(?:ember)?)?|(?:Nov|Dec)(?:ember)?|Oct(?:ober)?))[/. ]\d{2}(?:\d{2})?)(?!\d)"

请参见another regex demo。

详细信息

(?<!\d)-不允许在左边立即输入数字
(-捕获组的开始
\d{1,2}-1或2位数字
[/. ]-空格，/或.
(?:\d{1,2}|(?:J(?:an(?:uary)?|u(?:ne?|ly?))|Feb(?:ruary)?|Ma(?:r(?:ch)?|y)|A(?:pr(?:il)?|ug(?:ust)?)|Sep(?:t(?:ember)?)?|(?:Nov|Dec)(?:ember)?|Oct(?:ober)?))-月名称，是否缩写
[/. ]-空格，/或.
\d{2}(?:\d{2})?-2位数字，后跟两位数字的可选序列
)-捕获组的结尾
(?!\d)-不允许在右边立即输入数字

熊猫数据框解析字符串列以将日期提取到新列中

1 个答案: