python - 在 df 列上迭代不同的正则表达式模式

Question

我有一个包含文本的 df 列，我正在尝试从中提取不同的日期模式。

例如这个df1:

<index>    text    
0          My birthday is 10/23/89.
1          Christmas is on December 25th.
2          Thanksgiving of 11/2008 was the best.

所需的输出是第 3 列，称为 dates:

<index>    text                                  dates
0          My birthday is 10/23/89.               10/23/89
1          Christmas is on December 25.           25 December
2          Thanksgiving of 11/2008 was the best.  11/2008

为了我们的第一次约会，我写了我的第一个重新表达，就像这样:

df1['日期'] = (df1['文本'].str.findall(r'\d{1,2}[/-]\d{1,2}[/-]\d{2 ,4}'))

这就是我卡住的地方。

我不知道/不明白如何编写多个 re 表达式而不是继续覆盖 df1['dates'] 列中已有的内容。

我想运行下一个表达式:

df1['dates'] = df1['text'].str.findall(r'(?:\d{1,2})?(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)[a-z]* (?:\d{1,2}, )?\d{4}')

查看 df['dates'] 列是否为空然后尝试下一个重新表达式的最佳方法是什么？

我今天早些时候问过这个问题，它被标记为可能与 this 重复但我认为 DeepSpace 认为我比实际聪明得多，我的问题比他回答的问题要基础得多。

Answer 1

你可以试试

df['dates'] = df['text'].str.extract('.*?(\d+/\d+/?\d*).*?')


    text                                    dates
0   My birthday is 10/23/89.                10/23/89
1   Christmas is 12/25.                     12/25
2   Thanksgiving of 11/2008 was the best.   11/2008

添加测试用例:

df['text'].str.extract('.*?(\d+/\d+/?\d*).*?|\
(January|February|March|April|May|June|July|August|September|October|November|December \d+)', expand = False)\
.fillna('').sum(1)

你得到

0       10/23/89
1    December 25
2        11/2008