如何解析Python中复杂的季节和插曲格式

Question

我正在尝试清理一些数据，在Python/Pandas中也很难做到这一点。我有一系列电视节目标题的数据。我想做以下工作：

1. 检查字符串末尾是否有整数
2. 如果只有一个整数，则返回字符串该部分之前的所有内容
3. 如果字符串中有多个部分是整数，则首先返回字符串的所有部分，然后返回第一个整数

我的意见是：

Brooklyn 99 103
Hit The Floor 110

输出：

Brooklyn 99
Hit The Floor

作为一个单独的函数（或多个函数），我想删除任何附加的季节/插曲格式以及其后的任何字符串：

输入

Hot in Cleveland s6 ep03
Mutt & Stuff #111
LHH ATL 08/31a HD
LHH ATL 04/04 Check
Esther With Hot Chicks Ep. 1
Suspect 2/24
Suspect 2/24 HD

输出

Hot in Cleveland
Mutt & Stuff
LHH ATL
LHH ATL
Esther With Hot Chicks
Suspect
Suspect

我写了这样一个函数：

def digit(value):
    return value.isdigit()


def another(value):
    li = value.split(" ")
    x = len(filter(digit, value))
    ind = li.index( str(filter(digit, li)[0]) ) 
    try: 
        if x > 1:
            return " ".join(li[:ind+1])
        else: 
            value.str.replace(r'(\D+).*', r'\1').str.replace(r'\s+.$', '').str.strip()
    except:
        return value.str.replace(r'(\D+).*', r'\1').str.replace(r'\s+.$', '').str.strip()

data["LongTitleAdjusted"] = data["Long Title"].apply(another)
data["LongTitleAdjusted"]

但我得到了一个错误：

AttributeError                            Traceback (most recent call last)
<ipython-input-49-3526b96a8f5a> in <module>()
     15         return value.str.replace(r'(\D+).*',      r'\1').str.replace(r'\s+.$', '').str.strip()
     16 
--->     17 data["LongTitleAdjusted"] = data["Long Title"].apply(another)
         18 data["LongTitleAdjusted"]

C:\Users\lehmank\AppData\Local\Continuum\Anaconda2\lib\site-     packages\pandas\core\series.pyc in apply(self, func, convert_dtype, args,   **kwds)
   2167             values = lib.map_infer(values, lib.Timestamp)
   2168 
-> 2169         mapped = lib.map_infer(values, f, convert=convert_dtype)
   2170         if len(mapped) and isinstance(mapped[0], Series):
   2171             from pandas.core.frame import DataFrame

pandas\src\inference.pyx in pandas.lib.map_infer (pandas\lib.c:62578)()

<ipython-input-49-3526b96a8f5a> in another(value)
     13             value.str.replace(r'(\D+).*',    r'\1').str.replace(r'\s+.$', '').str.strip()
     14     except:
---> 15         return value.str.replace(r'(\D+).*',    r'\1').str.replace(r'\s+.$', '').str.strip()
     16 
      17 data["LongTitleAdjusted"] = data["Long Title"].apply(another)

AttributeError: 'unicode' object has no attribute 'str'

对于正则表达式

Answer 1

这将对示例数据集起到作用：

df['title'].str.replace(r'(\D+).*', r'\1').str.replace(r'\s+.$', '').str.strip()

但它也会将Brooklyn 99转换为Brooklyn