这是一个复杂的问题，所以请在这里查看我的项目文件
我有一个如下所示的数据帧，我想从"事实"列中的字符串中提取"年份"(4位(，并将"年份"存储在"年份"列中。但是，"事实"列中的日期时间没有遵循以下一致的格式。
Fact Year
0 Population estimates, July 1, 2016, (V2016) NaN
1 Population estimates base, April 1, 2010, (V2... NaN
2 Population, percent change - April 1, 2010 (es... NaN
3 Population, Census, April 1, 2010 NaN
4 Persons under 5 years, percent, July 1, 2016, ... NaN
我使用regex定义了一个模式，并使用for loop提取4位数字，但我收到了AttributeError。代码和错误消息如下：
for row in range(0, 64):
Year = re.search(pattern1, data.iat[row, index_fact]).group()
data.iat[row, index_year] = Year
---------------------------------------------------------------------------
AttributeError Traceback (most recent call last)
<ipython-input-48-4d5d634f47d5> in <module>
1 for row in range(0, 64):
----> 2 Year = re.search(pattern1, data.iat[row, index_fact]).group()
3 data.iat[row, index_year] = Year
AttributeError: 'NoneType' object has no attribute 'group'
在结果表中，一些年份被成功提取，但其他年份则不然：
Fact Year
0 Population estimates, July 1, 2016, (V2016) 2016
1 Population estimates base, April 1, 2010, (V2... 2010
2 Population, percent change - April 1, 2010 (es... 2010
3 Population, Census, April 1, 2010 2010
4 Persons under 5 years, percent, July 1, 2016, ... 2016
... ... ...
59 Nonminority-owned firms, 2012 <re.Match object; span=(25, 29), match='2012'>
60 Veteran-owned firms, 2012 <re.Match object; span=(21, 25), match='2012'>
61 Nonveteran-owned firms, 2012 <re.Match object; span=(24, 28), match='2012'>
62 Population per square mile, 2010 <re.Match object; span=(28, 32), match='2010'>
63 Land area in square miles, 2010 <re.Match object; span=(27, 31), match='2010'>
请让我知道如何修复AttributeError或建议任何更好的方法来实现我的原始目标(即从字符串中提取"年份"。
非常感谢！
您可以使用类似datefinder的东西。
>>> s = "Population estimates, July 1, 2016"
>>> list(datefinder.find_dates(s))
[datetime.datetime(2016, 7, 1, 0, 0)]
应该让你的生活更轻松一点。
我会在这里使用str.extract和适当的正则表达式模式：
df["Year"] = df["Fact"].str.extract(r'bw+ d+, (d{4})b')
对于常规Python，请使用re.findall:
years = re.findall(r'bw+ d+, (d{4})b', fact)