#python #regex #pandas #regex-negation
Вопрос:
У меня есть сложный шаблон регулярных выражений для сопоставления смешанных дат для столбца csv в pandas df. Я хотел бы заменить все, кроме совпадения шаблона регулярного выражения, на «» . Я перепробовал почти все случаи отрицания (^ ?! и другие). Но я продолжаю заменять соответствие регулярному выражению на «» (пустая строка). Мой Код:
import pandas as pd
df.read_csv('path')
df=DataFrame(df)
df.columns=['Date']
Date=df.Date
df['Date']=df['Date'].str.replace(r'^((b(0?[1-9]|[12]d|30|31)[^wdrn:](0?[1-9]|1[0-2])[^wdrn:](d{4}|d{2})b)|(b(0?[1-9]|1[0-2])[^wdrn:](0?[1-9]|[12]d|30|31)[^wdrn:](d{4}|d{2})b))','')
Некоторые примеры моих данных:
Date
21/04/2004
[N/F]
6/07/2004
{}
[N/F]
6/10/2004
16/06/2004
{}
21/06/2004
[N/F]
1/03/2018
23/03/17
{}
{}
4/04/2006
19/05/2006
"**3/04/2006/-2/06
2006**"
Ожидаемый Результат
21/04/2004
6/07/2004
6/10/2004
16/06/2004
21/06/2004
1/03/2018
23/03/17
4/04/2006
19/05/2006
3/04/2006
Я был бы признателен вам за помощь. Большое спасибо.
Комментарии:
1. чему ты пытаешься соответствовать?
2. Я пытаюсь сопоставить все, кроме дат, а затем заменить их пустой строкой . Но отрицание работает не так, как я ожидал.
3. попробуйте указать дату, которой вы хотите соответствовать
4. В исходном наборе данных слишком много строк (тысячи). Так что вручную не сработает, если я правильно понял ваше предложение.
5. ваше начальное регулярное выражение дает совпадение и не исключает [^d /d /d ] попробуйте это
Ответ №1:
Я немного упростил ваше регулярное выражение и извлекаю, а не заменяю:
Загрузка ваших данных в фрейм данных:
import pandas as pd
import numpy as np
df = pd.read_csv('data.csv')
print(df)
Дает:
Date
0 21/04/2004
1 [N/F]
2 6/07/2004
3 {}
4 [N/F]
5 6/10/2004
6 16/06/2004
7 {}
8 21/06/2004
9 [N/F]
10 1/03/2018
11 23/03/17
12 {}
13 {}
14 4/04/2006
15 19/05/2006
16 **3/04/2006/-2/06n2006**
Теперь извлеките все, что можно разобрать как дату:
pattern = r'(([1-9]|[12][0-9]|3[01])/(0[1-9]|1[012])/(20[01][0-9]|[0-9]{2}))'
df['extracted_date'] = df['Date'].astype(str).str.extract(pattern)[0]
df = df.fillna('')
print(df)
Который возвращает:
Date extracted_date
0 21/04/2004 21/04/2004
1 [N/F]
2 6/07/2004 6/07/2004
3 {}
4 [N/F]
5 6/10/2004 6/10/2004
6 16/06/2004 16/06/2004
7 {}
8 21/06/2004 21/06/2004
9 [N/F]
10 1/03/2018 1/03/2018
11 23/03/17 23/03/17
12 {}
13 {}
14 4/04/2006 4/04/2006
15 19/05/2006 19/05/2006
16 **3/04/2006/-2/06n2006** 3/04/2006
Комментарии:
1. хороший, просто понял, что вам нужно сохранить его в csv, чтобы прочитать образец. я думаю, вы могли бы просто скопировать код и использовать pd.read_clipboard (), и это сэкономило бы вам время на копирование и сохранение в файл csv