讲师中心 微信公众号

工具推荐

视频效率加速
SoundView
SoundView

字幕擦除翻译、配音口型同步

Seko
Seko

AI短剧一键生成成片

Laper
Laper

剧本策划到成片协作

updream

一键生成高质量推广成片

如何在 Pandas 中高效筛选并清空缺失年份信息的日期字段

冬涛酱_3086

冬涛酱_3086

发布时间:2026-03-08 14:45:03

|

922人浏览过

|

来源于php中文网

原创

本文介绍两种专业、可扩展的方法,用正则表达式或动态逻辑组合替代冗长的 .str.contains() 链式判断,在 Pandas DataFrame 中精准识别不含有效年份(如 2019–2025)的原始日期字符串,并将对应 cleaned_date 列值设为 None。

本文介绍两种专业、可扩展的方法,用正则表达式或动态逻辑组合替代冗长的 `.str.contains()` 链式判断,在 pandas dataframe 中精准识别不含有效年份(如 2019–2025)的原始日期字符串,并将对应 `cleaned_date` 列值设为 `none`。

在实际数据清洗任务中,常需基于原始文本字段(如 date_from)的语义特征校验派生列(如 cleaned_date)的可靠性。例如,当原始字符串未显式包含可信年份(如 2023、2024),却仍生成了带年份的标准化日期(如 2024-06-23),该结果极可能源于解析逻辑的默认补全(如 pandas 的 pd.to_datetime 默认填充当前年),存在严重数据风险。

直接枚举所有年份并逐个调用 str.contains() 不仅代码冗长、难以维护,还易因遗漏年份导致误判。以下提供两种工业级解决方案:

✅ 方案一:正则表达式 —— 简洁、高效、推荐

利用单条正则一次性匹配全部目标模式,大幅提升可读性与执行效率:

import pandas as pd

# 示例数据
df = pd.DataFrame({
    'x': [1, 2, 3, 4, 5, 6],
    'date_from': [
        '21 JUNE 23.59',
        '18TH JUN 23:59',
        '01TH JULY (23.59 HRS)',
        '28th June 2023',
        '5TH MAY 2023',
        'JUNE 27, 2023'
    ],
    'cleaned_date': [
        '2024-06-23', '2024-06-18', '2024-07-01',
        '2023-06-28', '2023-05-05', '2023-06-27'
    ]
})

# 使用正则:匹配 'nan' 或 2019 / 2020–2025 中任一年份
pattern = r'nan|(?:2019|202[0-5])'
df.loc[~df['date_from'].str.contains(pattern, case=False, na=False), 'cleaned_date'] = None

print(df)

输出结果:

   x              date_from cleaned_date
0  1          21 JUNE 23.59         None
1  2         18TH JUN 23:59         None
2  3  01TH JULY (23.59 HRS)         None
3  4         28th June 2023   2023-06-28
4  5           5TH MAY 2023   2023-05-05
5  6          JUNE 27, 2023   2023-06-27

? 正则说明:

  • nan → 匹配字符串 'nan'(处理缺失值)
  • | → 或逻辑
  • (?:2019|202[0-5]) → 非捕获组,匹配 2019 或 2020–2025(202[0-5] 是简洁写法)
  • case=False → 忽略大小写(适配 JUNE/June)
  • na=False → 将 NaN 行视为 False,避免 contains() 报错

✅ 方案二:动态逻辑组合 —— 灵活、可编程、适合复杂规则

当需结合其他条件(如同时检查月份缩写、排除特定关键词)时,推荐使用 numpy.logical_or.reduce 构建可扩展布尔掩码:

import numpy as np

# 定义有效年份列表(支持任意扩展)
valid_years = ['nan', '2019', '2020', '2021', '2022', '2023', '2024', '2025']

# 动态生成各年份的 contains 条件,再合并为「任一匹配」
year_conditions = [
    df['date_from'].astype('str').str.contains(year, case=False, na=False)
    for year in valid_years
]
any_year_match = np.logical_or.reduce(year_conditions)

# 取反:无任何有效年份 → 清空 cleaned_date
df.loc[~any_year_match, 'cleaned_date'] = None

⚠️ 注意事项与最佳实践

  • 始终显式指定 na=False:否则 str.contains() 在遇到 NaN 时返回 NaN,导致布尔索引失效;
  • 慎用 case=True:日期字符串大小写不统一(如 JUNE vs June),建议 case=False;
  • 避免 .loc 链式赋值警告:确保 df 为原始视图或已明确拷贝(df = df.copy());
  • 后续建议:对 cleaned_date 列执行 pd.to_datetime(df['cleaned_date'], errors='coerce') 进一步标准化为 datetime 类型,便于时间序列分析。

通过以上任一方法,你均可告别硬编码的冗余条件,实现健壮、可维护、高性能的年份存在性校验逻辑。

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

热门AI工具

更多
Seko
Seko Hot

一款AI视频创作工具,主要用于商汤科技推出的创编一体的AI短视频创作Agent,适合需要提升相关任务效率的用户。

蛙蛙写作

一款AI论文写作工具,主要用于超级AI智能写作助手,适合需要提升相关任务效率的用户。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

Flowith
Flowith Hot

Flowith是一款基于画布和智能体工作流的 AI 协作工作空间。

SkildArt
SkildArt Hot

SkildArt是一款AI文本写作工具,一站式 AI 视觉创作平台。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

音述AI
音述AI Hot

一款AI音频处理工具,主要用于音述AI是一个以“用声音述说故事”为核心的 AI 音乐创作与声音分享社区,适合需要提升相关任务效率的用户。

Lovart
Lovart Hot

一款面向视觉设计创作的AI设计平台,可通过智能体和画布工作流辅助制作海报、Logo、网页、PPT及其他视觉内容。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

1951

2023.07.20

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

5544

2023.07.25

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

1889

2023.07.31

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

33857

2023.08.03

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

3967

2023.08.04

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

3967

2023.08.04

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

1283

2023.08.11

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

636

2023.08.10

GoFrame框架Web开发与路由中间件
GoFrame框架Web开发与路由中间件

本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。

0

2026.11.17

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn