python - 将正则表达式应用于 Pandas 数据框

Question

我在将正则表达式函数应用于 python 数据框中的列时遇到问题。这是我的数据框的头部:

               Name   Season          School   G    MP  FGA  3P  3PA    3P%
 74       Joe Dumars  1982-83   McNeese State  29   NaN  487   5    8  0.625   
 84      Sam Vincent  1982-83  Michigan State  30  1066  401   5   11  0.455   
 176  Gerald Wilkins  1982-83     Chattanooga  30   820  350   0    2  0.000   
 177  Gerald Wilkins  1983-84     Chattanooga  23   737  297   3   10  0.300   
 243    Delaney Rudd  1982-83     Wake Forest  32  1004  324  13   29  0.448  

我认为我已经很好地掌握了将函数应用于 Dataframes 的能力，所以我可能缺乏 Regex 技能。

这是我整理的:

import re

def split_it(year):
    return re.findall('(\d\d\d\d)', year)

 df['Season2'] = df['Season'].apply(split_it(x))

TypeError: expected string or buffer

输出将是一个名为 Season2 的列，其中包含连字符之前的年份。我确信没有正则表达式也有更简单的方法，但更重要的是，我想弄清楚我做错了什么

提前感谢您的帮助。

Answer 1

当我尝试您的代码(的一个变体)时，我得到了 NameError: name 'x' is not defined——事实并非如此。

你可以使用任何一个

df['Season2'] = df['Season'].apply(split_it)

或

df['Season2'] = df['Season'].apply(lambda x: split_it(x))

但是第二个只是写第一个的一种更长更慢的方式，所以没有太多意义(除非你有其他参数要处理，我们这里没有。)你的函数将返回一个 列表，不过:

>>> df["Season"].apply(split_it)
74     [1982]
84     [1982]
176    [1982]
177    [1983]
243    [1982]
Name: Season, dtype: object

虽然你可以很容易地改变它。 FWIW，我会使用向量化的字符串操作并做类似的事情

>>> df["Season"].str[:4].astype(int)
74     1982
84     1982
176    1982
177    1983
243    1982
Name: Season, dtype: int64

或

>>> df["Season"].str.split("-").str[0].astype(int)
74     1982
84     1982
176    1982
177    1983
243    1982
Name: Season, dtype: int64