匹配除复杂正则表达式模式之外的所有内容并将其替换为 Pandas

Question

我有一个复杂的正则表达式模式来匹配 pandas df 中 csv 列的混合日期。我想用 "" 替换除正则表达式模式匹配之外的所有内容。我已经尝试了几乎所有的否定案例（^ ?! 和其他）。但我一直用“”（空字符串）替换正则表达式匹配。我的代码：

import pandas as pd 
df.read_csv('path')
df=DataFrame(df)
df.columns=['Date'] 
Date=df.Date
df['Date']=df['Date'].str.replace(r'^((\b(0?[1-9]|[12]\d|30|31)[^\w\d\r\n:](0?[1-9]|1[0-2])[^\w\d\r\n:](\d{4}|\d{2})\b)|(\b(0?[1-9]|1[0-2])[^\w\d\r\n:](0?[1-9]|[12]\d|30|31)[^\w\d\r\n:](\d{4}|\d{2})\b))','')

我的一些数据示例：

Date
21/04/2004
[N/F]
6/07/2004
{}
[N/F]
6/10/2004
16/06/2004
{}
21/06/2004
[N/F]
1/03/2018
23/03/17
{}
{}
4/04/2006
19/05/2006
"**3/04/2006/-2/06
2006**"

预期输出

非常感谢您的帮助。非常感谢。

Answer 1

我稍微简化了你的正则表达式，我正在提取而不是替换：

正在将数据加载到 DataFrame：

import pandas as pd
import numpy as np

df = pd.read_csv('data.csv')
print(df)

给出：

                         Date
0                  21/04/2004
1                       [N/F]
2                   6/07/2004
3                          {}
4                       [N/F]
5                   6/10/2004
6                  16/06/2004
7                          {}
8                  21/06/2004
9                       [N/F]
10                  1/03/2018
11                   23/03/17
12                         {}
13                         {}
14                  4/04/2006
15                 19/05/2006
16  **3/04/2006/-2/06\n2006**

现在提取任何可以解析为日期的内容：

pattern = r'(([1-9]|[12][0-9]|3[01])\/(0[1-9]|1[012])\/(20[01][0-9]|[0-9]{2}))'
df['extracted_date'] = df['Date'].astype(str).str.extract(pattern)[0]
df = df.fillna('')
print(df)

哪个returns:

                         Date extracted_date
0                  21/04/2004     21/04/2004
1                       [N/F]               
2                   6/07/2004      6/07/2004
3                          {}               
4                       [N/F]               
5                   6/10/2004      6/10/2004
6                  16/06/2004     16/06/2004
7                          {}               
8                  21/06/2004     21/06/2004
9                       [N/F]               
10                  1/03/2018      1/03/2018
11                   23/03/17       23/03/17  
12                         {}               
13                         {}               
14                  4/04/2006      4/04/2006
15                 19/05/2006     19/05/2006
16  **3/04/2006/-2/06\n2006**      3/04/2006

匹配除复杂正则表达式模式之外的所有内容并将其替换为 Pandas

Match everything except a complex regex pattern and replace it in Pandas

python

regex

regex-negation

pandas