Python 如何保存数据框中的文件名，然后从中提取一些信息

我在一个路径中有将近1000000个甚至更多的文件。 我的最终目标是从文件名中提取一些信息。 到目前为止，我已将文件名保存在列表中

文件名中包含哪些信息

文件名的格式如下：

09066271_142468576_1_Haha_-Haha-haha_2016-10-07_haha-false_haha2427.txt

所有的哈哈都是其他不同的文本，这并不重要

我想从名称中提取

09066271

和

2016-10-07

，并保存在数据框中。第一个数字总是8个字符

到目前为止，我已将整个文本文件名保存在列表中：

path = 'path to the saved txt files/fldr'
file_list = os.listdir(path)

首先，我想将整个txt文件名保存在dataframe中，然后对它们执行这些操作。看来我得先读给numpy听，然后再把它改成熊猫读物。不过我现在不知道以前会怎样重塑数字

df = pd.DataFrame(np.array(file_list).reshape(,))

---

如果您能告诉我您的想法以及有效的方法，我将不胜感激：）

您可以使用

os

列出所有文件。然后只需构造一个

DataFrame

，并使用string方法获取所需的部分文件名

import pandas as pd
import os

path = 'path to the saved txt files/fldr'
file_list = os.listdir(path)

df = pd.DataFrame(file_list, columns=['file_name'])
df['data'] = df.file_name.str[0:8]
df['date'] = df.file_name.str.extract('(\d{4}-\d{2}-\d{2})', expand=True)

---

---

您可能根本不需要数据帧，只需要一个正则表达式

                                           file_name      data        date
0  09066271_142468576_1_Haha_-Haha-haha_2016-10-0...  09066271  2016-10-07
1  09014271_142468576_1_Haha_-Haha-haha_2013-02-1...  09014271  2013-02-18