使用Python脚本从Excel文件中的slugs中删除日期

Question

我很难弄清楚如何从 Excel 文件的 slug 末尾删除日期，我正在尝试清理该文件以自动化我们一项任务的流程。

这是蛞蝓的样子：

收费公路游吟诗人-2023 年 12 月 14 日

摇滚乐团-2023 年 11 月 20 日

2023 年 12 月 12 日蒂娜·蒂娜·特纳致敬秀的一晚

达琳爱-2023 年 12 月 15 日

蒙茅斯公民合唱团-欢欣鼓舞-2023 年 12 月 17 日

假日快车-2023 年 12 月 19 日

黑人诞生 - 2023 年 12 月 30 日

我希望它们看起来像：

收费公路游吟诗人

摇滚乐团

蒂娜·蒂娜·特纳致敬秀一晚

达琳爱

蒙茅斯公民合唱团-非常高兴

假日快车

黑人诞生

我尝试了在互联网上找到的各种代码，例如：

def remove_date_from_end_of_string(string):
    return string.rsplit(' ', 1)[0]
    return df

outlinks_df['Artist Path'] = outlinks_df['Artist Path'].apply(remove_date_from_end_of_string)

艺术家路径是文件中需要清理的列。 当我尝试这个公式时，我不断收到错误，老实说，我不确定它在做什么。

我是Python新手，我正在尝试自动化我的团队每周执行的一些繁琐的任务。

非常感谢您的帮助！

Answer 1

如果它们都具有完全相同的格式，则这样做：

a = "aholiday-express-19-december-2023"
print("-".join(a.split("-")[:-3]))

对每个蛞蝓都这样做。

你的函数会像这样：

def remove_date_from_end_of_string(string):
    return "-".join(string.split("-")[:-3])

逻辑是每当出现“-”时就分割字符串，然后将其连接回来，而无需最后三个元素:)

Answer 2

您只需输入正确的分隔符 (

-

) 并调整 maxsplit

 的 

str.rsplit :

def remove_date_from_end_of_string(string):
    return string.rsplit('-', 3)[0] # <-- line updated

outlinks_df['Artist Path'] = (
    outlinks_df['Artist Path'].apply(remove_date_from_end_of_string)
)

输出：

                                    Artist Path
0                          turnpike-troubadours
1                            the-rock-orchestra
2  one-night-of-tina-a-tina-turner-tribute-show
3                                  darlene-love
4         monmouth-civic-chorus-rejoice-greatly
5                               holiday-express
6                                black-nativity

注意，您可以避免使用自定义函数并使用 pandas 字符串方法 :

outlinks_df['Artist Path'].str.rsplit("-", n=3).str[0]

outlinks_df['Artist Path'].str.replace("-\d{2}-\w+-\d{4}$", "", regex=True)