如何在Python中从CSV的title列提取年份创建新列？

方法一：基于原生csv模块实现 #

基于你当前使用的Python原生csv模块，修改代码即可完成需求。核心是通过正则精准匹配title中的四位年份，再将年份添加到每行数据末尾，最终写入新文件：

import csv
import re
from itertools import islice

# 提取年份的工具函数
def get_year_from_title(title):
    # 匹配括号内的四位数字（年份格式）
    year_match = re.search(r'\((\d{4})\)', title)
    return year_match.group(1) if year_match else ''

# 读取原文件并写入带年份列的新文件
with open('/home/raymondossai/movies.csv', mode='r') as input_file, \
     open('/home/raymondossai/movies_with_year.csv', mode='w', newline='') as output_file:
    csv_reader = csv.reader(input_file)
    csv_writer = csv.writer(output_file)
    
    # 处理表头：添加year列
    header_row = next(csv_reader)
    header_row.append('year')
    csv_writer.writerow(header_row)
    
    # 逐行处理数据
    for row in csv_reader:
        movie_title = row[1]
        extracted_year = get_year_from_title(movie_title)
        row.append(extracted_year)
        csv_writer.writerow(row)

# 验证结果：打印新文件的前11行（含表头）
with open('/home/raymondossai/movies_with_year.csv', mode='r') as file:
    for row in islice(csv.reader(file), 11):
        print(row)

运行后会生成新的movies_with_year.csv，其中新增的year列就是从title中提取的年份。正则表达式r'\((\d{4})\)'能精准匹配括号中的四位数字，避免title中其他括号内容的干扰。

方法二：使用pandas库（更简洁高效） #

如果可以安装pandas库，处理这类表格数据会更简便，一行代码就能完成年份提取：

import pandas as pd

# 读取CSV文件
df = pd.read_csv('/home/raymondossai/movies.csv')

# 从title列提取年份，生成新的year列
df['year'] = df['title'].str.extract(r'\((\d{4})\)', expand=False)

# 保存包含年份列的新CSV文件（不保留索引）
df.to_csv('/home/raymondossai/movies_with_year.csv', index=False)

# 打印前10行数据验证
print(df.head(10))

pandas的str.extract方法会自动遍历整列数据，提取符合正则规则的内容，非常适合批量处理表格数据。

内容的提问来源于stack exchange，提问作者Raymond Ossai