Skip to main content
 首页 » 编程设计

Python pandas str. 从不干净的列中提取年份信息

2024年11月01日19傻小

我有一个包含超过 111K 行的 DataFrame。我正在尝试从未清理的列 Date 中提取年份信息(19**、20**)并将年份信息填充到新的 Result 列中,一些行在 日期 列包含中文/英文单词。

df.Date.str.extract('20\d{2}') | df.Date.str.extract('19\d{2}') 

我使用 str.extract() 来匹配和提取年份,但我收到了 ValueError: pattern contains no capture groups 消息。如何获取年份信息并填写到新的 Result 列中?

Rating    Date     
7.8    (June 22, 2000)    
8.0    01 April, 1997     
8.3    01 December, 1988     
7.7    01 November, 2005     
7.9    UMl Reprint University Illinois 1966 Ed     
7.7    出版日期:2008-06     
7.3    出版时间:2009.04     
7.7    台北 : 橡樹林文化, 2006.     
7.0    机械工业出版社; 第1版 (2014年11月13日)     
8.1    民国57年(1968)     
7.8    民国79 [1990]     
8.9    2010-09-13     
9.3    01 (2008)     
8.8    1998年4月第11次印刷     
7.9    2000     
7.3    2004     

请您参考如下方法:

示例数据框:

                Date 
0               2000 
1      1998年4月第11次印刷 
2  01 November, 2005 
3       出版日期:2008-06 
4    (June 22, 2000) 

你也可以把它作为一个衬里来做:

df['Year'] = df.Date.str.extract(r'(19\d{2}|20\d{2})') 

输出:

Date                Year 
2000                2000 
1998年4月第11次印刷   1998 
01 November, 2005   2005 
出版日期:2008-06     2008 
(June 22, 2000)     2000