1

我在 Pandas 数据框“评论文本”中有一个列，其中包含这种格式的日期（此处显示，仅第一次观察）：

7/09/2018 11:59:37 AM;12:01:33 PM;00:01:56

添加数据框示例：

df = pd.DataFrame({'Common Text':['7/09/2018 11:59:37 AM;12:01:33 PM;00:01:56', 'Adams Gill Christ  4 Oct 2017    02:52 PM', '4/08/2017 4:30:49 PM ;4:37:23 PM;00:06:34', '5/07/2018 10:14:03 AM ;10:21:35 AM;00:07:31', 'the call was made on 20 Jun 2017\nbut call not found on system', 'Call made on 7/03/2018 8:22:25 AM', 'Review is during 30 May to 1 March 2018']})

但是当我做这样的事情时：

import datefinder
FD = datefinder.find_dates(df['Comment Text'][0])

for dates in FD:
    print(dates)

我得到以下结果：

2018-07-09 11:59:37
2019-06-20 12:01:33
2019-06-20 00:01:56

这是不正确的，因为我只期望2018-07-09返回结果。

4

1 回答 1

1

如果我正确理解您并且您的数据始终具有您作为示例显示的两个日期结构。您可以使用正则表达式。

# Make example data
df = pd.DataFrame({'Common Text':['7/09/2018 11:59:37 AM;12:01:33 PM;00:01:56', 
                                  'Adams Gill Christ  4 Oct 2017    02:52 PM', 
                                  '4/08/2017 4:30:49 PM ;4:37:23 PM;00:06:34', 
                                  '5/07/2018 10:14:03 AM ;10:21:35 AM;00:07:31', 
                                  'the call was made on 20 Jun 2017\nbut call not found on system']})

                                         Common Text
0         7/09/2018 11:59:37 AM;12:01:33 PM;00:01:56
1          Adams Gill Christ  4 Oct 2017    02:52 PM
2          4/08/2017 4:30:49 PM ;4:37:23 PM;00:06:34
3        5/07/2018 10:14:03 AM ;10:21:35 AM;00:07:31
4  the call was made on 20 Jun 2017\nbut call not...

使用str.extract.

s = df['Common Text'].str.extract('(.+?(?=\s\d{1,2}:\d{2}:\d{2}))|(\d{1,2}\s[A-Za-z]{3}\s\d{4})')
df['Date'] = s[0].fillna(s[1])



                                         Common Text         Date
0         7/09/2018 11:59:37 AM;12:01:33 PM;00:01:56    7/09/2018
1          Adams Gill Christ  4 Oct 2017    02:52 PM   4 Oct 2017
2          4/08/2017 4:30:49 PM ;4:37:23 PM;00:06:34    4/08/2017
3        5/07/2018 10:14:03 AM ;10:21:35 AM;00:07:31    5/07/2018
4  the call was made on 20 Jun 2017\nbut call not...  20 Jun 2017

解释：

  • (.+?(?=\s\d{1,2}:\d{2}:\d{2}))：提取时间模式之前的所有内容，即99:99:99
  • (\d{1,2}\s[A-Za-z]{3}\s\d{4}): 提取模式：一两个数字，空格，3个字母，空格，4个数字
于 2019-06-20T13:12:21.677 回答