我有两个数据框。
OrderedDict([('page1', name dob
0 John 07-20200
1 Lilly 05-1999
2 James 02-2002), ('page2', name dob
0 Chris 07-2020
1 Robert 05-1999
2 barb 02-20022)])
我想对两个数据框中的每个日期运行reg表达式 如果它们都匹配,我想继续我的程序 如果没有匹配,我想打印一条消息,显示df名称,索引和日期的情况,就像这样。
INVALID DATE: Page1: index 0: dob: 02-20200
INVALID DATE: Page2: index 2: dob: 02-20022
我到了这一步
date_pattern = r'(?<!\d)((?:0?[1-9]|1[0-2])-(?:19|20)\d{2})(?!\d)'
for df_name, df in employee_dict.items():
x = df[df.dob.str.contains(date_pattern, regex=True)]
print(x)
匹配的地方用表格格式打印,但我想在不匹配的地方用单独的打印语句打印。
任何想法?
你可以遍历数据框的所有行,如果条目不符合你的模式,你可以生成你选择的消息。
for df_name, df in employee_dict.items(): # Iterate over your DFs
for index, row in df.iterrows(): # Iterate over DF rows
if not re.search(date_pattern, row['dob']): # If the dob column value has no match
print("INVALID DATE: {}: index {}: dob: {}".format(df_name, index,row['dob'])) # Print error message
如果你的 df
是 pd.DataFrame({'dob': ['05-2020','4-2020','07-1999','2-2001','1-20202020','112-2020']})
,结果将是
INVALID DATE: page1: index 4: dob: 1-20202020
INVALID DATE: page1: index 5: dob: 112-2020
你要找的是 Series.str.match
.
基本上,你需要提取 dob
系列,我想这就是你要做的事情。df['dob']
,并做 result = df['dob'].str.match(date_pattern)
. 其结果将是一系列的 True
和 False
值,对应于各自的 df['dob']
价值。