Python 按熊猫中的列内容标记日期（矢量化）

我有以下形式的数据：

     JournalInformation                      Month
Dec. American Journal of Science
Molecular Methods. Aug DOI: 10101
Science Journal Jun.
Dec. Cognitive Science weekly

目标：

---

我有数百万行，因此解决方案需要快速

我发现

df.JournalInformation.apply（set（“Dec”）.issubset）

是获取布尔族列表的非常快速的方法…但是， 由于pandas似乎对任何类型的多索引分配都不满意，因此我不清楚如何操作布尔信息（除了创建12列……这很难看）

---

月份命令：

months_of_year = {  "Jan" : 1
                  , "Feb" : 2
                  , "Mar" : 3
                  , "Apr" : 4
                  , "May" : 5
                  , "Jun" : 6
                  , "Jul" : 7
                  , "Aug" : 8
                  , "Sept": 9
                  , "Oct" : 10
                  , "Nov" : 11
                  , "Dec" : 12
}

---

使用

str.extract

和

map

regex = r'({})'.format('|'.join(months_of_year.keys()))
df.JournalInformation.str.extract(regex, expand=False).map(months_of_year)

解释

---

当在

extract

中使用

regex

时，它将拉出与months字典中的键匹配的第一个子字符串。然后

map

将从字典中获得匹配值。

这是一个令人惊讶的答案。我有超过1200万行，这个解决方案返回的速度和我一直在做的所有其他（更简单）向量化字符串操作一样快。非常感谢。

regex = r'({})'.format('|'.join(months_of_year.keys()))
df.JournalInformation.str.extract(regex, expand=False).map(months_of_year)

print regex

(Feb|Aug|Jan|Dec|Sept|Oct|Mar|May|Jun|Jul|Apr|Nov)