在 Pandas 中创建年份列

Question

我正在尝试创建一个年份列，其中年份取自数据框中的标题列。此代码有效，但列 dtype 是对象。例如，在第 1 行中，年份显示为 [2013]。我该怎么做，但将列 dtype 更改为浮点数？year_list = []for i in range(title_length):    year = re.findall('\d{4}', wine['title'][i])    year_list.append(year)wine['year'] = year_list这是我的数据框的头部：country   designation     points    province               title             yearItaly     Vulkà Bianco     87        Sicily     Nicosia 2013 Vulkà Bianco   [2013]

Answer 1

re.findall返回结果列表。用re.search

wine['year'] = [re.search('\d{4}', title)[0] for title in wine['title']]

最好还是使用熊猫extract方法。

wine['year'] = wine['title'].str.extract(r'\d{4}')

定义

Series.str.extract(pat, flags=0, expand=True)

对于系列中的每个主题字符串，从正则表达式 pat 的第一个匹配项中提取组。

Answer 2

相反的re.findall是返回字符串列表，你可以使用str.extract()：

wine['year'] = wine['title'].str.extract(r'\b(\d{4})\b')

或者，如果您只想匹配 1900-2000 年：

wine['year'] = wine['title'].str.extract(r'\b((?:19|20)\d{2})\b')

请注意，模式 instr.extract必须至少包含 1 个捕获组，其值将用于填充新列。只会考虑第一个匹配项，因此如果需要，您可能需要稍后精确确定上下文。

我建议\b在\d{4}模式周围使用单词边界来匹配作为整个单词的 4 位块，并避免在像1234567890.