Pandas中FutureWarning警告及结果展示异常求助

问题背景 #

作为Pandas和正则表达式新手，需求为从文件提取指定格式日期，按时间排序后添加原索引列，通过主代码调用函数实现。目前函数逻辑看似正确，但运行时出现FutureWarning警告，且主函数仅展示index列。

问题原因 #

1. 主函数仅展示index列 #

• 主代码中使用print(result.T.head(1).T)，该操作先将DataFrame转置，取第一行（对应原DataFrame的index列）后再转置，导致仅输出index列。
• 函数定义为date_sort，但主代码调用date_sorter()，存在函数名拼写错误（从输出推断应为笔误）。

2. FutureWarning警告 #

• 使用df['year'].str.extract(r'(\d?\d\d\d)')时未指定expand参数，当前Pandas版本中expand=None等价于expand=False，但未来版本会默认改为expand=True，因此触发警告。

解决方法与优化代码 #

针对主函数输出问题 #

• 直接打印result或result.head()即可查看完整的原索引和年份列，移除多余的转置操作。
• 修正函数名，确保定义与调用一致。

针对FutureWarning警告 #

• 在str.extract中显式指定expand=False（提取单个组时返回Series，更简洁）或expand=True（返回DataFrame）。

其他优化 #

• 将日期列表作为参数传入函数，避免依赖全局变量，提升代码规范性。
• 修正年份提取正则为(\d{4})，精准匹配4位年份。
• 将年份转换为整数类型后排序，避免字符串排序的潜在问题。
• 删除无实际作用的df2['year'].str.len()代码行。

修正后完整代码 #

import re
import pandas as pd

def date_sort(date_list):
    df = pd.DataFrame(date_list, columns=['full_date'])
    # 提取4位年份，显式指定expand=False返回Series
    df['year'] = df['full_date'].str.extract(r'(\d{4})', expand=False)
    # 转换年份为整数类型，确保排序逻辑正确
    df['year'] = df['year'].astype(int)
    # 按年份排序，重置索引并保留原索引为新列
    df_sorted = df.sort_values('year').reset_index(names='original_index')
    # 返回包含原索引、完整日期、年份的结果
    return df_sorted[['original_index', 'full_date', 'year']]

# 主代码执行入口
if __name__ == "__main__":
    with open('text_with_lot_of_text_and_dates.txt', 'r') as file:
        tot6 = file.read()
        # 提取指定格式的日期字符串
        date_reader = re.findall(r'(?:\d{1,2} )?(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Nov|Dec)[a-z]* (?:\d{1,2}, )?\d{4}', tot6)
    
    result = date_sort(date_reader)
    # 打印前5行结果
    print(result.head())

预期输出 #

运行后将输出包含原索引、完整日期、年份的DataFrame示例：

original_index    full_date  year
0               4   06 May 1972  1972
1              21   13 Jan 1972  1972
2              47   [对应日期]  1972
3              72   [对应日期]  1972
4             162   [对应日期]  1973

内容的提问来源于stack exchange，提问作者Juan Andres Mercado