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。这是我的数据框的标题：

               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

我以为我对将函数应用于Dataframes有很好的掌握，所以也许我缺少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

输出将是名为Season2的列，其中包含连字符前的年份。我敢肯定，没有正则表达式，这是一种更简单的方法，但更重要的是，我正在努力弄清楚我做错了什么

感谢您的任何提前帮助。

Answer 1

当我尝试（一种变体）您的代码时，我得到了NameError: name 'x' is not defined-事实并非如此。

您可以使用

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

要么

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

但是第二个只是编写第一个的一种较长且较慢的方式，因此没有太多意义（除非您要处理其他参数，我们不在这里。）尽管如此，您的函数将返回一个 list ：

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

尽管您可以轻松更改它。FWIW，我将使用向量化字符串操作并执行类似的操作

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

要么

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