从自定义文本字段中提取年份和月份答案

【问题标题】：Extracting Year and Month from a custom text field从自定义文本字段中提取年份和月份
【发布时间】：2023-03-17 17:22:01
【问题描述】：

我有一个数据框，其中有一列包含有关此人在组织中拥有帐户的年数/月数的信息。

该字段是自定义文本格式，

例如：'0yrs 11mon'、'15yrs 4mon' 等

有没有办法提取只是将年份和月份提取到单独的列中，如下所示：

Member Since | Year | Mon
-------------------------

'0yrs 11mon' | 0 | 11 
-------------------------------------------

'15yrs 4mon' | 15 | 4
---------------------

【问题讨论】：

标签： python pandas dataframe series

【解决方案1】：

你可以使用Series.str.extract:

df['Year'] = df['Member Since'].str.extract('(\d+)(?:yrs)')
df['Mon'] = df['Member Since'].str.extract('(?:\s)(\d+)(?:mon)')

?: 是非捕获组表示法。这意味着它与正则表达式匹配，但不会在输出中捕获

你也可以试试Series.str.extractall:

df[['year','mon']]= df['Member Since'].str.extractall('(\d+)').unstack()
df
  Member Since  year    mon
0   0yrs 11mon   0      11
1   15yrs 4mon   15      4

extractall 函数实际上返回一个 DataFrame，其中每个匹配一个行，每个组一个列，因此您需要将其取消堆叠。

仅当您有问题中显示的数字时，才使用提取所有方法。多于或少于两个将返回错误。

【讨论】：

谢谢 Mohit.. Extractall 工作，但提取不起作用.. 我收到错误“模式不包含捕获组”
在这种情况下使用(\d+)(?:yrs) 和(?:\s)(\d+)(?:mon)。我已经对答案进行了更改。

【解决方案2】：

使用str.extract 解决方案的正则表达式替代方案将是，

df["Year"] = df["Member Since"].str.extract("(\d+)yrs")
df["Mon"] = df["Member Since"].str.extract("(\d+)mon")

【讨论】：

【解决方案3】：

如果您有 excel 中的数据，那么这可以工作：-

import pandas as pd
data=pd.read_excel('filename')
month=data['Mon']  
year=data['Year']

【讨论】：

【解决方案4】：

df[['year', 'month']] = df['Member Since'].str.split(' ').apply(lambda x: [''.join(re.findall(r'\d',i)) for i in x]).apply(pd.Series)

输出

  Member Since year month
0   0yrs 11mon    0    11
1   15yrs 4mon   15     4

【讨论】：

【解决方案5】：

使用str.findall

pd.DataFrame(df['Member Since'].str.findall('\d+').tolist(),columns=['Year','Mon'])
  Year Mon
0    0  11
1   15   4

【讨论】：