提取所有以'st','nd','rd','th'结尾的日期,同时使用RegEx将日期与月份交换

如何解决提取所有以'st','nd','rd','th'结尾的日期,同时使用RegEx将日期与月份交换

我在pandas数据框列的文本中输入了这些日期。

import pandas as pd
sr = pd.Series(['text Mar 20,2009 text','text march 20,'text 20 Mar. 2009 text','text Sep 2010 text','text Mar 20th,2009 text ','text Mar 21st,2009 text'])

当我使用正则表达式时,会得到这个。

a=sr.str.extractall(r'((?P<day>(?:\d{2} )?(?P<month>(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)[a-z,.]*)) (?:\d{2}[-/th|st|nd|rd\s]*[,.]* )?(?P<year>\d{4}))')


       all              day     month  year
match               
0   0   Mar 20,2009    Mar      Mar    2009
1   0   march 20,2009  march    march  2009
2   0   20 Mar. 2009    20 Mar.  Mar.   2009
3   0   Sep 2010        Sep      Sep    2010
4   0   Mar 20th,2009  Mar      Mar    2009
5   0   Mar 21st,2009  Mar      Mar    2009

如何将日期(20、20、21st ...)放入“天”列?

解决方法

使用熊猫的一种解决方案(为什么要重新发明轮子?)

    import pandas as pd
    df = sr.to_frame(name='all')
    df['all'] = pd.to_datetime(df['all'])
    df['day'] = df['all'].dt.day
    df['month'] = df['all'].dt.strftime('%b')
    df['year'] = df['all'].dt.year

输出:

         all  day month  year
0 2009-03-20   20   Mar  2009
1 2009-03-20   20   Mar  2009
2 2009-03-20   20   Mar  2009
3 2010-09-01    1   Sep  2010
4 2009-03-20   20   Mar  2009
5 2009-03-21   21   Mar  2009
,

也许另一种解决方案可能是使用PyPi regex module和分支重置组(?|来匹配日期和月份。

没有命名组的模式:

\b((?|(Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)[a-z,.]*(?: (\d{2}(?:th|st|nd|rd)?)?[,.])?|(\d{2}) (?:(Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)[a-z,.]*)?) (\d{4}))

Regex demo

import pandas as pd
import regex

pattern = r"\b(?P<all>(?|(?P<month>Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)[a-z,.]*(?: (?P<day>\d{2}(?:th|st|nd|rd)?)?[,.])?|(?P<day>\d{2}) (?:(?P<month>Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)[a-z,.]*)?) (?P<year>\d{4}))"

items = [
    'text Mar 20,2009 text','text March 20,'text 20 Mar. 2009 text','text Sep 2010 text','text Mar 20th,2009 text ','text Mar 21st,2009 text'
]
res = map(lambda x: regex.findall(pattern,x)[0],items)
df = pd.DataFrame(res)
df.columns = ['all','month','day','year']
print(df)

输出

              all month   day  year
0    Mar 20,2009   Mar    20  2009
1  March 20,2009   Mar    20  2009
2    20 Mar. 2009   Mar    20  2009
3        Sep 2010   Sep        2010
4  Mar 20th,2009   Mar  20th  2009
5  Mar 21st,2009   Mar  21st  2009

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。

相关推荐


Selenium Web驱动程序和Java。元素在(x,y)点处不可单击。其他元素将获得点击?
Python-如何使用点“。” 访问字典成员?
Java 字符串是不可变的。到底是什么意思?
Java中的“ final”关键字如何工作?(我仍然可以修改对象。)
“loop:”在Java代码中。这是什么,为什么要编译?
java.lang.ClassNotFoundException:sun.jdbc.odbc.JdbcOdbcDriver发生异常。为什么?
这是用Java进行XML解析的最佳库。
Java的PriorityQueue的内置迭代器不会以任何特定顺序遍历数据结构。为什么?
如何在Java中聆听按键时移动图像。
Java“Program to an interface”。这是什么意思?
Java在半透明框架/面板/组件上重新绘画。
Java“ Class.forName()”和“ Class.forName()。newInstance()”之间有什么区别?
在此环境中不提供编译器。也许是在JRE而不是JDK上运行?
Java用相同的方法在一个类中实现两个接口。哪种接口方法被覆盖?
Java 什么是Runtime.getRuntime()。totalMemory()和freeMemory()?
java.library.path中的java.lang.UnsatisfiedLinkError否*****。dll
JavaFX“位置是必需的。” 即使在同一包装中
Java 导入两个具有相同名称的类。怎么处理?
Java 是否应该在HttpServletResponse.getOutputStream()/。getWriter()上调用.close()?
Java RegEx元字符(。)和普通点?