Как извлечь год из столбца со смешанными форматами

У меня есть столбец в моем наборе данных, который выглядит как дата в разных форматах. Иногда это только год и месяц, а иногда только год:

Дата
1 января 1980 г.
Октябрь-74
17 октября
1980,0
-200
-50
8

Я хочу извлечь только год из этого столбца. Для дат в формате «ммм-гг» я хочу предположить, что они находятся между 1921 и 2020 годами. Таким образом, мой столбец выше должен выглядеть так:

Год
1980 г.
1974 г.
2017
1980 г.
-200
-50
8

Как я могу сделать это в Python? Любая помощь будет оценена по достоинству.

#here is the code for the first dataframe
data = {'date': ['1 January 1980','Oct-74', 'Oct-17', '1980.0', '-200.0', '-50']}  
df= pd.DataFrame(data)
df
Анализ настроения постов в Twitter с помощью Python, Tweepy и Flair
Анализ настроения постов в Twitter с помощью Python, Tweepy и Flair
Анализ настроения текстовых сообщений может быть настолько сложным или простым, насколько вы его сделаете. Как и в любом ML-проекте, вы можете выбрать...
7 лайфхаков для начинающих Python-программистов
7 лайфхаков для начинающих Python-программистов
В этой статье мы расскажем о хитростях и советах по Python, которые должны быть известны разработчику Python.
Установка Apache Cassandra на Mac OS
Установка Apache Cassandra на Mac OS
Это краткое руководство по установке Apache Cassandra.
Сертификатная программа "Кванты Python": Бэктестер ансамблевых методов на основе ООП
Сертификатная программа "Кванты Python": Бэктестер ансамблевых методов на основе ООП
В одном из недавних постов я рассказал о том, как я использую навыки количественных исследований, которые я совершенствую в рамках программы TPQ...
Создание персонального файлового хранилища
Создание персонального файлового хранилища
Вы когда-нибудь хотели поделиться с кем-то файлом, но он содержал конфиденциальную информацию? Многие думают, что электронная почта безопасна, но это...
Создание приборной панели для анализа данных на GCP - часть I
Создание приборной панели для анализа данных на GCP - часть I
Недавно я столкнулся с интересной бизнес-задачей - визуализацией сбоев в цепочке поставок лекарств, которую могут просматривать врачи и...
1
0
42
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Попробуй это:

data = {'date': ['1 January 1980','Oct-74', 'Oct-17', '1980.0', '-200.0', '-50', '8']}  
df= pd.DataFrame(data)
temp = df['date'].str.replace('[a-zA-Z]{3}-', '+').str.extract('([-+\.\d]{1,}$)')
m1 = temp[0].str.contains('\+')
temp[0] = temp[0].astype(float)
temp[0] = temp[0].where(~((m1)&(temp[0]>=21)), 1900+temp[0])
temp[0] = temp[0].where(~((m1)&(temp[0]<21)), 2000+temp[0])

Выход:

enter image description here

Спасибо! Единственная проблема, которую я обнаружил, заключается в том, что она не работает для случаев, например, если дата равна «8» (в этом случае я хочу, чтобы год был 8, тогда как это возвращает NaN). Насколько я понимаю, регулярное выражение в команде замены фильтрует типы дат «OCT-74». Означает ли это, что нужно изменить регулярное выражение в команде извлечения? А последующие строки, чтобы мы не добавляли 2000 или 1900 для таких строк?

MB1001 10.04.2022 06:06

Я также отредактировал свой исходный вопрос, добавив пример, в котором дата и год могут быть равны 8, поскольку я понял, что это усложняет решение.

MB1001 10.04.2022 06:11

Проверьте ответ сейчас.

keramat 10.04.2022 06:22

Другие вопросы по теме