Python 使用dataframe解析字符串列将日期提取到新列中

我有一个包含字符串列的数据框：

我只想从中提取日期并添加到一个新列中

我尝试了以下操作，但它只返回列的原始字符串值：

df['date'] = df.text.replace({r"\d{2}[\/ ](\d{2}|January|Jan)[\/ ]\d{2,4}"},regex=True)

---

解决此问题的最佳方法是什么？

您可以使用

.str.extract（）

，使用

\d{1,2}

匹配1位天数和月份，并将

添加到分隔符模式：

df['date'] = df['text'].str.extract(r"(\d{1,2}[/. ](?:\d{1,2}|January|Jan)[/. ]\d{2}(?:\d{2})?)")

看

另外，请注意，

\d{2}（？:\d{2}）

匹配2位或4位数字，

\d{2,4}

匹配2位、3位或4位数字

请注意，整个regex模式使用捕获组包装，这是必要的，因为

.str.extract

至少需要一个捕获组才能工作，它将只生成捕获的文本

为了匹配不在其他数字内的日期，您可以在开始处添加

（？），在结束处添加
（？！\d）
，这样可以使图案更安全

如果您计划匹配任何英文月份名称，则需要稍微扩展模式：

r"(?<!\d)(\d{1,2}[/. ](?:\d{1,2}|(?:J(?:an(?:uary)?|u(?:ne?|ly?))|Feb(?:ruary)?|Ma(?:r(?:ch)?|y)|A(?:pr(?:il)?|ug(?:ust)?)|Sep(?:t(?:ember)?)?|(?:Nov|Dec)(?:ember)?|Oct(?:ober)?))[/. ]\d{2}(?:\d{2})?)(?!\d)"

r“（？您可能想要
df['date']=df['text'].str.extract（r“（\d{2}[/.]（？：\d{2}一月[/.]\d{2}（？：\d{2}）”）
我在下面添加了一个更合适的模式。如何修改它以允许文本中也包含两位数的日期？例如02/13，2/13etc@user10添加可选组，请参见，
（？
r"(?<!\d)(\d{1,2}[/. ](?:\d{1,2}|(?:J(?:an(?:uary)?|u(?:ne?|ly?))|Feb(?:ruary)?|Ma(?:r(?:ch)?|y)|A(?:pr(?:il)?|ug(?:ust)?)|Sep(?:t(?:ember)?)?|(?:Nov|Dec)(?:ember)?|Oct(?:ober)?))[/. ]\d{2}(?:\d{2})?)(?!\d)"