Python新手求助：移除括号内日期单引号并拆分括号为31312×4数组

嘿，作为刚上手Python处理数据集的新手，你碰到的这两个需求其实很典型，我来帮你梳理出更高效的解决方案，同时优化你现有的代码～

先明确你的核心需求： #

• 移除括号内日期字符串的单引号（比如把('2024-05-20')变成(2024-05-20)）
• 将每个括号内的内容提取出来，整理成形状为31312×4的二维数组（及对应的DataFrame）

优化后的完整代码及步骤解释 #

首先，我们会用到正则表达式来精准处理字符串，同时用更安全的文件读取方式，避免手动关闭文件的麻烦：

import re
import numpy as np
import pandas as pd

# 1. 读取文件内容（用with语句自动管理文件，更安全）
with open("Claims1.txt", "r") as text_file:
    raw_content = text_file.read()

# 2. 移除括号内日期的单引号
# 正则匹配格式为'YYYY-MM-DD'的日期，替换掉单引号
cleaned_content = re.sub(r"'(\d{4}-\d{2}-\d{2})'", r"\1", raw_content)

# 3. 提取所有括号内的内容
# 正则匹配所有(...)格式的内容，提取括号里的部分
all_entries = re.findall(r"\((.*?)\)", cleaned_content)

# 4. 将每个条目拆分成4个元素，组成二维列表
# 这里假设每个括号内的内容是用", "分隔的4个元素，如果分隔符不同可以调整
data_list = [entry.split(", ") for entry in all_entries if len(entry.split(", ")) == 4]

# 5. 转换为指定形状的numpy数组
data_array = np.array(data_list)
print(f"数组形状：{data_array.shape}")  # 应该输出 (31312, 4) （如果原始数据量符合的话）

# 6. 转换为DataFrame并保存到CSV
my_df = pd.DataFrame(data_array)
my_df.to_csv("cleaned_claims.csv", index=False)

关键步骤说明： #

• 文件读取：用with语句打开文件，会在代码块结束后自动关闭文件，避免资源泄漏。
• 移除日期单引号：正则表达式r"'(\d{4}-\d{2}-\d{2})'"精准匹配被单引号包裹的日期，r"\1"表示保留日期本身，去掉单引号。
• 提取括号内容：r"\((.*?)\)"匹配所有括号内的内容，.*?是非贪婪匹配，确保只提取单个括号里的内容。
• 过滤有效条目：添加if len(entry.split(", ")) == 4的判断，确保只有拆分后刚好4个元素的条目会被保留，避免后续数组形状出错。

如果你的原始数据分隔符不是", "（比如是逗号加空格以外的格式），只需要调整split()里的参数就可以啦。

内容的提问来源于stack exchange，提问作者Derrick Chua