在Pandas Datafram中组合多个Regex

Question

我有一个数据集如下：

0         03/25/93 Total time of visit (in minutes):\n
1                       6/18/85 Primary Care Doctor:\n
2    sshe plans to move as of 7/8/71 In-Home Servic...

包含不同格式的日期，如：

^{pr2}$

我需要提取日期并按升序排序，同时遵循以下规则：

• 假设日期为MM/DD/YY
• 假设日期的年份编码为两位数

我必须按时间顺序返回熊猫系列：

例如，如果系列是这样的：

0    1999
1    2010
2    1978

我需要返回以下系列：

0    2
1    4
2    0

其中第一列是索引，第二列是数据集中出现的计数（年）。例如，如果1999年出现两次，它将在第二列中返回两（2）。在

我已经能够提取并匹配日期模式，但是我无法将它们组合到单个表达式中以匹配整个数据帧：

re1 = df.str.extract(r'((?:\d{,2}\s)?(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)[a-z]*(?:-|\.|\s|,)\s?\d{,2}[a-z]*(?:-|,|\s)?\s?\d{2,4})')
re2 = df.str.extract(r'((?:\d{1,2})(?:(?:\/|-)\d{1,2})(?:(?:\/|-)\d{2,4}))')
re3 = df.str.extract(r'((?:\d{1,2}(?:-|\/))?\d{4})')

如何将上述正则表达式组合成一个表达式并将其作为序列返回？在

Answer 1

你可以用

((?:\d{0,2}\s)?(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)[a-z]*[-.\s,]\s?\d{0,2}[a-z]*[-,\s]?\s?\d{2,4}|\d{1,2}[/-]\d{1,2}[/-]\d{2,4}|(?:\d{1,2}[-/])?\d{4})

参见regex demo

关键是使用|运算符连接部件，同时保持所有内部组不被捕获。必须捕获外部组，以便extract可以输出匹配项。在