在python中从文本中提取多个日期

我有一个像这样的数据框

Unit ID   Shipping to:
90        With x
91        With y
92        With z
116       Shipped to x 01/04/16. / Shipped to y - 09/08/18.
233       Shipped to z 03/01/17
265       Shipped to x 03/01/17 returned shipped to x 02/05/17
280       Shipped to x 06/01/17  Shipped to y 03/05/17 Shipped to z 12/12/17

我想能够提取所有发生的x，y或z和日期，它后面的，如果有一个。我无法确定z、y或z将出现多少次，但我希望最终结果如下所示：

 Unit ID  Occurrence 1  Occurrence 2  Occurrence 3 Shipping to:
    90    x                                        With x
    91    y                                        With y
    92    z                                        With z
    116   x 01/04/16    y 09/08/18                 Shipped to x 01/04/16. / Shipped to y - 09/08/18.
    233   z 03/01/17                               Shipped to z 03/01/17
    265   x 03/01/17                               Shipped to x 03/01/17 returned shipped to x 02/05/17
    280   x 06/01/17    y 03/05/17    z 12/12/17   Shipped to x 06/01/17  Shipped to y 03/05/17 Shipped to z 12/12/17

到目前为止，我只使用这个函数提取了每一列中出现的第一个日期

date_col = []
for row in df['Shipping to:']:
    match = re.search('\d{2}/\d{2}/\d{2}',str(row),re.IGNORECASE)
    date_col.append(match)
df['dates'] = date_col

---

数据帧本身有一个非常好的功能：

df['Shipping to:'].str.extractall(r'(\d{1,2}/\d{1,2}/\d{2})').unstack()

请注意，我将您的正则表达式更改为包含一个组（带有

（）

），并且我还匹配了月份和日期的个位数

测试以下数据帧（我知道这是胡说八道，但这只是一个测试）：

我得到这个输出：

match   0   1
0   1/22/33     NaN
1   2/33/44     NaN
2   22/4/55     NaN
5   22/5/66     11/22/33

要在开始处包括x/y/z，请将正则表达式更改为

r'（[xyz]\d{1,2}/\d{1,2}/\d{2}）

。最后，如果要将这些匹配项作为新列添加到原始数据帧中，可以使用

join

。然后，代码变为：

df.join(df['Shipping to:'].str.extractall(r'([xyz] \d{1,2}/\d{1,2}/\d{2})')\
    .unstack()[0])

请注意，我在调用

unstack

后得到了第0列-这有效地删除了1级多索引，并防止

join

抱怨。现在，正是因为我很高兴地处理了这个问题，我添加了一些代码来修复列名，以便它们与您的示例相匹配：

df.join(df['Shipping to:'].str.extractall(r'([xyz] \d{1,2}/\d{1,2}/\d{2})')\
    .unstack()[0]\
    .rename(columns=lambda x: "Occurence " + str(x)))

---

看起来，我。E给出一些例子远远低于硬接线规范。允许哪些格式变体，最多出现多少次，日期顺序（m/d/y）是什么，等等。因此，大多数工作与Python无关，但需要细化规范。@guidot似乎很清楚，匹配其日期的正则表达式是

\d{2}/\d{2}/\d{2}

，我想说这是非常具体的。@rje:那么，d{2}/\d{2}是哪一个呢{2} 你猜与月份相关吗？拒绝或不识别非法的日期和月份不是很好吗？@guidot我想这不是regex的任务。使用regex查找候选日期，然后使用解析器过滤非法的日期和月份。

df.join(df['Shipping to:'].str.extractall(r'([xyz] \d{1,2}/\d{1,2}/\d{2})')\
    .unstack()[0]\
    .rename(columns=lambda x: "Occurence " + str(x)))