将 re.match 与 pandas 一起使用时出现“预期的字符串或缓冲区”

Question

我正在尝试从 csv 文件中清除一些数据。我需要确保“持续时间”类别中的任何内容都与某种格式匹配。我就是这样处理的：

import re
import pandas as pd

data_path = './ufos.csv'
ufos = pd.read_csv(data_path)

valid_duration = re.compile('^[0-9]+ (seconds|minutes|hours|days)$')
ufos_clean = ufos[valid_duration.match(ufos.Duration)]

ufos_clean.head()

这给了我以下错误：

TypeErrorTraceback (most recent call last)
<ipython-input-4-5ebeaec39a83> in <module>()
      6 
      7 valid_duration = re.compile('^[0-9]+ (seconds|minutes|hours|days)$')
----> 8 ufos_clean = ufos[valid_duration.match(ufos.Duration)]
      9 
     10 ufos_clean.head()

TypeError: expected string or buffer

我之前使用了类似的方法来清理数据，而没有使用正则表达式。我做错了什么？

编辑：

MaxU 让我最接近，但最终奏效的是：

valid_duration_RE = '^[0-9]+ (seconds|minutes|hours|days)$'
ufos_clean = ufos
ufos_clean = ufos_clean[ufos.Duration.str.contains(valid_duration_RE)]

那里可能有很多冗余，我对 python 还很陌生，但它确实有效。

Answer 1

您可以使用矢量化.str.match() 方法：

valid_duration_RE = '^[0-9]+ (seconds|minutes|hours|days)$'
ufos_clean = ufos[ufos.Duration.str.contains(valid_duration_RE)]

Answer 2

我猜你想要反过来（未测试）：

import re
import pandas as pd

data_path = './ufos.csv'
ufos = pd.read_csv(data_path)

def cleanit(val):
    # your regex solution here
    pass

ufos['ufos_clean'] = ufos['Duration'].apply(cleanit)

毕竟，ufos 是 DataFrame。