Pandas - 检查列中的值是否匹配两种格式之一

Question

在我的数据框中，我有一列将包含一个日期。仅当格式为“YYYYMMDD”或“MMDD”时才应被接受。另外，如果格式是'MMDD'，年份应该从另一列中取出并附加到MMDD日期中，如下所示；

  df['YYYYMMDD'] = df['YYYY'].astype(str) + df['Date'].astype(str).apply(lambda x: x.zfill(4))

追加后，旧列被删除，新列重命名为所需的输出。

对于比赛，我尝试了正则表达式 (df_ori['Date'].str.matches(r'^\d{8}$')) 但我得到了错误；

AttributeError: Can only use .str accessor with string values, which use np.object_ dtype in pandas。

我尝试df_ori['Date'].astype(str).str.matches(r'^\d{8}$')，它给出了错误；

'StringMethods' object has no attribute 'matches'

我认为我只是以错误的方式解决这个问题。任何帮助表示赞赏。

df.head() 按要求：

   YYYY  MMDD
0  2016   525
1  2016   728
2  2014   821
3  2016   311
4  2016   422 

Answer 1

你需要str.match和str.zfill：

df['YYYYMMDD'] = df['YYYY'].astype(str) + df['Date'].astype(str).str.zfill(4)

print (df_ori['YYYYMMDD'].astype(str).str.match(r'^\d{8}$'))
0    True
1    True
2    True
3    True
4    True
Name: YYYYMMDD, dtype: bool

如果想要4 或8 匹配：

print (df_ori['YYYYMMDD'].astype(str).str.match(r'^\d{8}$|^\d{4}$'))

如果想从 4 到 8 匹配：

print (df_ori['YYYYMMDD'].astype(str).str.match(r'^\d{4,8}$'))

编辑：

仅当 len 为 4 时才需要追加：

print (df_ori)
   YYYY  MMDD  YYYYMMDD
0  2016   525  20160525
1  2016   728  20160728
2  2014  1121      1121
3  2016  1211      2211
4  2016   422  20160422

a = df_ori['YYYY'].astype(str) + df_ori['YYYYMMDD'].astype(str)
m = df_ori['YYYYMMDD'].astype(str).str.len() == 4
df_ori['YYYYMMDD'] = df_ori['YYYYMMDD'].mask(m, a)
print (df_ori)
   YYYY  MMDD  YYYYMMDD
0  2016   525  20160525
1  2016   728  20160728
2  2014  1121  20141121
3  2016  1211  20162211
4  2016   422  20160422