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'
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)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。