Python - 基于正则表达式检索和替换
Python - Retrieve and replace based on a regex
基本上我已经将大约 17000 行的 csv 导入到 pandas 数据框中。有一个日期列已导入为 int64，因为数据质量很差。日期示例包括 11969、12132001、1022013 等。所以我想我想做的是从日期列中检索最后 4 个数字。
所以我使用的代码是：
test_str = str(df['Date'])
flags = re.MULTILINE
p = r'\d{4}$'
result = re.findall(p, test_str, flags)
当我 print(result) 时，17000 个值中仅返回 60 个。我假设它只评估独特性，但经过长时间的谷歌搜索后我无法弄清楚。关于如何解决这个问题的任何想法？
看来您的方法确实有效（至少对于您提供的示例而言）：
import pandas as pd
rng = pd.Series([11969, 12132001, 1022013, 1022013])
test_str = str(rng)
flags = re.MULTILINE
p = r'\d{4}$'
result = re.findall(p, test_str, flags)
print(result)
# ['1969', '2001', '2013', '2013'] # not just unique values
但是这种将 pandas 系列转换为字符串的方法是一种奇怪的方法，没有利用 pandas 固有结构。
您可以考虑这样做：
df['year_int'] = df['Date'] % 10000
如果 df['Date'] 是 int64，则获取最后四位数字。或者这个：
df['year_str'] = df['Date'].apply(lambda x: str(x)[-4:])
如果您希望转换为字符串然后取最后四个字符。
print(df)
# Date year_int year_str
# 0 11969 1969 1969
# 1 12132001 2001 2001
# 2 1022013 2013 2013
# 3 1022013 2013 2013
基本上我已经将大约 17000 行的 csv 导入到 pandas 数据框中。有一个日期列已导入为 int64，因为数据质量很差。日期示例包括 11969、12132001、1022013 等。所以我想我想做的是从日期列中检索最后 4 个数字。
所以我使用的代码是：
test_str = str(df['Date'])
flags = re.MULTILINE
p = r'\d{4}$'
result = re.findall(p, test_str, flags)
当我 print(result) 时，17000 个值中仅返回 60 个。我假设它只评估独特性，但经过长时间的谷歌搜索后我无法弄清楚。关于如何解决这个问题的任何想法？
看来您的方法确实有效（至少对于您提供的示例而言）：
import pandas as pd
rng = pd.Series([11969, 12132001, 1022013, 1022013])
test_str = str(rng)
flags = re.MULTILINE
p = r'\d{4}$'
result = re.findall(p, test_str, flags)
print(result)
# ['1969', '2001', '2013', '2013'] # not just unique values
但是这种将 pandas 系列转换为字符串的方法是一种奇怪的方法，没有利用 pandas 固有结构。
您可以考虑这样做：
df['year_int'] = df['Date'] % 10000
如果 df['Date'] 是 int64，则获取最后四位数字。或者这个：
df['year_str'] = df['Date'].apply(lambda x: str(x)[-4:])
如果您希望转换为字符串然后取最后四个字符。
print(df)
# Date year_int year_str
# 0 11969 1969 1969
# 1 12132001 2001 2001
# 2 1022013 2013 2013
# 3 1022013 2013 2013