我正在尝试向Panda数据集添加新列.
这个新列df [‘Year_Prod’]来自另一个df [‘title’],我从中提取年份.
这个新列df [‘Year_Prod’]来自另一个df [‘title’],我从中提取年份.
数据示例：
country designation title Italy Vulkà Bianco Nicosia 2013 Vulkà Bianco (Etna) Portugal Avidagos Quinta dos Avidagos 2011 Avidagos Red (Douro)
码：
import re
import pandas as pd
df=pd.read_csv(r'test.csv',index_col=0)
df['Year_Prod']=re.findall('\\d+',df['title'])
print(df.head(10))
我收到以下错误：
File "C:\Python37\lib\site-packages\pandas\core\frame.py",line 3119,in __setitem__self._set_item(key,value)
File "C:\Python37\lib\site-packages\pandas\core\frame.py",line 3194,in _set_item value = self._sanitize_column(key,line 3391,in _sanitize_column value = _sanitize_index(value,self.index,copy=False)
File "C:\Python37\lib\site-packages\pandas\core\series.py",line 4001,in _sanitize_index raise ValueError('Length of values does not match length of ' 'index')
**ValueError: Length of values does not match length of index**
请告诉我你对此的看法,谢谢.
解决方法
您可以使用pandas
str.extract
df['Year_Prod']= df.title.str.extract('(\d{4})')
country designation title Year_Prod
0 Italy Vulkà Bianco Nicosia 2013 Vulkà Bianco (Etna) 2013
1 Portugal Avidagos Quinta dos Avidagos 2011 Avidagos Red (Douro) 2011
编辑：正如@Paul H.在评论中建议的那样,你的代码不起作用的原因是re.findall需要一个字符串,但你传递的是一个系列.它可以使用apply来完成,在每一行,传递的值是一个字符串,但没有多大意义,因为str.extract更有效.
df.title.apply(lambda x: re.findall('\d{4}',x)[0])
