添加具有基于从文件名中提取的日期的值的列（值的长度 (1) 与索引的长度 (50) 不匹配）

Posted 2023-03-12

【中文标题】添加具有基于从文件名中提取的日期的值的列（值的长度 (1) 与索引的长度 (50) 不匹配）

【英文标题】：Adding a column with values based on extracted date from filename (Length of values (1) does not match length of index (50))

【发布时间】：2021-05-11 05:04:24

【问题描述】：

我在这个问题上苦苦挣扎了一段时间，很想听听你的想法如何解决它。

我有一些需要拆分的文件。我读到 glob 最终是这样做的好习惯。拆分文件后，我可以将其读取到我的 pandas 数据框中。我正在使用正则表达式解析日期，并希望将其移交给新列。我的问题是数据框的长度与解析日期的长度不同。我尝试了使用 lambda 和列表理解的不同方法，但由于我不习惯它，我在获得正确的代码行时遇到了明显的问题。

我不明白的是，如果我采取例如

df['date'] = 1

它用 1 附加数据框填充系列。但是当它被提供一个变量时，它的行为就不一样了。有些对我来说很奇怪。我在这里阅读了一些朝着相同方向发展的问题，但无法适应我的问题。

import glob
import pandas as pd
import re


filelist = glob.glob('./wso-meistdiskutiert/*meistdiskutiert')
type(filelist)

for f in filelist:
    df_tmp = pd.read_html(f, decimal='.', thousands='.')[1]
    date = re.findall('\d+', f )
    df_tmp['date = '] = date
    df = df.append(df_tmp)

【参考方案1】：

好的，我发现了问题。我在变量日期中移交了一个具有一个值的列表。 Pandas 显然会尝试遍历列表，并且需要与数据帧具有相同的长度。由于情况并非如此，您将收到错误消息。我现在从列表中取出 str，它工作正常。

for f in filelist:
    df_tmp = pd.read_html(f, decimal='.', thousands='.')[1]
    datetime = re.findall('\d+', f )
    print('datetime is type = ', type(datetime))
    datetime = datetime[0] #<-- taking out from list the needed string
    df_tmp.insert(11, "date", datetime) 
    display(df_tmp)