python - 删除不符合要求的列值

Question

我有一个带有“date_of_birth”列的 Pandas 数据框。例如，值采用 1977-10-24T00:00:00.000Z 的形式。

我想捕获年份，所以我尝试了以下方法:

X['date_of_birth'] = X['date_of_birth'].apply(lambda x: int(str(x)[4:]))

如果我保证前 4 个字母始终是整数，则此方法有效，但它在我的数据集上失败，因为某些日期被弄乱或垃圾。有没有一种方法可以在不使用正则表达式的情况下调整我的 lambda？如果没有，我怎么能用正则表达式写这个？

Answer 1

我认为只使用 to_datetime 会更好要转换为 datetime dtype，您可以使用 dropna 删除无效行并使用 dt.year 访问年份属性:

In [58]:
df = pd.DataFrame({'date':['1977-10-24T00:00:00.000Z', 'duff', '200', '2016-01-01']})
df['mod_dates'] = pd.to_datetime(df['date'], errors='coerce')
df

Out[58]:
                       date  mod_dates
0  1977-10-24T00:00:00.000Z 1977-10-24
1                      duff        NaT
2                       200        NaT
3                2016-01-01 2016-01-01

In [59]:    
df.dropna()

Out[59]:
                       date  mod_dates
0  1977-10-24T00:00:00.000Z 1977-10-24
3                2016-01-01 2016-01-01

In [60]:
df['mod_dates'].dt.year

Out[60]:
0    1977.0
1       NaN
2       NaN
3    2016.0
Name: mod_dates, dtype: float64