如何在Python中解析复杂的季节和情节格式

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

检查字符串末尾是否有整数

如果只有一个整数，则返回字符串该部分之前的所有内容

如果字符串中有多个部分是整数，则返回字符串的第一个全部，然后返回第一个整数

以下是我的意见：

Brooklyn 99 103
Hit The Floor 110

产出：

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/剧集格式和其后的任何字符串：

投入

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

我编写了这样一个函数：

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"]

但我得到了这个错误：

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'

AttributeError回溯（最近一次调用）
在（）
15返回值.str.replace（r'（\D+）.*'，r'\1'）.str.replace（r'\s+.$'，''）.str.strip（）
16
--->17数据[“长标题调整”]=数据[“长标题”]。应用（另一个）
18数据[“LongTitleAdjusted”]
C:\Users\lehmank\AppData\Local\Continuum\Anaconda2\lib\site-packages\pandas\core\series.pyc在应用中（self、func、convert\u dtype、args、**kwds）
2167 values=lib.map\u推断（值，lib.Timestamp）
2168
->2169 mapped=lib.map\u推断（值，f，convert=convert\u数据类型）
2170如果len（映射）和isinstance（映射[0]，系列）：
2171从pandas.core.frame导入数据帧
pandas.lib.map\u expert（pandas\lib.c:62578）（）中的pandas\src\expression.pyx
在另一个（值）
13 value.str.replace（r'（\D+）.*'，r'\1'）.str.replace（r'\s+.$'，''）.str.strip（）
14除：
--->15返回值.str.replace（r'（\D+）.*'，r'\1'）.str.replace（r'\s+.$'，''）.str.strip（）
16
17数据[“长标题调整”]=数据[“长标题”]。应用（另一个）
AttributeError:“unicode”对象没有属性“str”

---

对于regex

这将对您的示例数据集起到作用：

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

---

但是它也会将布鲁克林99转换为布鲁克林，有没有办法检查格式末尾是否有多个int并保留第一个int？@KateLehman，我刚刚在你的问题中添加了

regex

标记-希望一些regex专家能够解决这个问题。我想我可以做一些类似if语句的事情，检查字符串中是否有多个int，然后只返回前面的字符串，然后使用你的regex作为else…我找到了一个函数来解决我遇到的问题上面提到过，但是我在regex AttributeError上遇到了一个错误：“unicode”对象没有属性“str”，您知道如何修复这个问题吗？请包含完整的回溯。它会告诉您（和我们）错误发生的位置。感谢您的帮助@skrrgwasmeAre您使用pandas只是为了过滤数据吗？@padraiccnningham correct我正在使用pandas过滤数据，以获得字符串值中的整数数