从格式不一致的字符串中提取“年份”； AttributeError: 'NoneType' 对象没有属性 'group'

如何解决从格式不一致的字符串中提取“年份”； AttributeError: 'NoneType' 对象没有属性 'group'

这是一个令人费解的问题，因此请查看我的项目文件 here

我有一个如下的数据框，想从“事实”列中的字符串中提取“年份”（4 位数字）并将“年份”存储在“年份”列中。但是，“事实”列中的日期时间不遵循以下一致的格式。

Fact    Year
0   Population estimates,July 1,2016,(V2016) NaN
1   Population estimates base,April 1,2010,(V2...    NaN
2   Population,percent change - April 1,2010 (es...   NaN
3   Population,Census,2010   NaN
4   Persons under 5 years,percent,...   NaN

我使用正则表达式定义了一个模式，并使用 for 循环 来提取 4 位数字，但是我收到了 AttributeError。代码和错误信息如下：

for row in range(0,64):
    Year = re.search(pattern1,data.iat[row,index_fact]).group()
    data.iat[row,index_year] = Year
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-48-4d5d634f47d5> in <module>
      1 for row in range(0,64):
----> 2     Year = re.search(pattern1,index_fact]).group()
      3     data.iat[row,index_year] = Year

AttributeError: 'nonetype' object has no attribute 'group'

在结果表中，一些年份被成功提取，但其他年份没有：

Fact    Year
0   Population estimates,(V2016) 2016
1   Population estimates base,(V2...    2010
2   Population,2010 (es...   2010
3   Population,2010   2010
4   Persons under 5 years,...   2016
... ... ...
59  Nonminority-owned firms,2012   <re.Match object; span=(25,29),match='2012'>
60  Veteran-owned firms,2012   <re.Match object; span=(21,25),match='2012'>
61  Nonveteran-owned firms,2012    <re.Match object; span=(24,28),match='2012'>
62  Population per square mile,2010    <re.Match object; span=(28,32),match='2010'>
63  Land area in square miles,2010 <re.Match object; span=(27,31),match='2010'>

请让我知道如何修复 AttributeError 或建议任何更好的方法来实现我的原始目标（即从字符串中提取“年份”。

非常感谢！

解决方法

您可以使用 datefinder 之类的东西。

>>> s = "Population estimates,July 1,2016"
>>> list(datefinder.find_dates(s))
[datetime.datetime(2016,7,1,0)]

应该会让你的生活更轻松一点。

,

我会在这里使用带有适当正则表达式模式的 str.extract：

df["Year"] = df["Fact"].str.extract(r'\b\w+ \d+,(\d{4})\b')

对于常规 Python，使用 re.findall：

years = re.findall(r'\b\w+ \d+,(\d{4})\b',fact)