在Python3中将出生日期数据框拆分为3个不同的列

有一个包含3种不同类型出生日期的数据框：

df_dob=pd.DataFrame(
[
{'date':'DOB 19 Jun 1951'},
{'date':'DOB Jun 1951'},
{'date':'DOB 1951'}
]
)

我正试图编写一个像上面这样的函数，以便将上面的数据帧转换为

3列：

第一栏可以容纳1951-06-19 00:00:00

第二栏可以容纳1951-06年

第三纵队可以容纳1951人

期望输出：

df_dob['date'].apply(transform_date) 

以下是我的代码，有两个问题：

（1） 正则表达式无法处理“DOB Jun 1951”，因此返回“TypeError:type'NoneType'的对象没有len（）

如本文所述：

（2） 如果我们从输入中删除“DOB Jun 1951”，我们将得到以下错误

57 df_dob[“日期”]。应用（转换日期）

“TypeError:无效的类型升级”

不知是否有更好的解决办法？谢谢

1951-06-19 00:00:00, NaN, NaN
NaN,1951-06,NaN
NaN,NaN,1951

重新导入
从datetime导入datetime，timedelta
def转换_日期（x）：
如果len（x.split（“；”）>0：
regex=r“\bDOB（（？：（？：3[01]|[12][0-9]|[0-9]）[A-Za-z]+）？\d{4}）\b”
#“DOB（.*）”
l=len（关于findall（regex，x.split（'；'）[0]））
如果l>0：
#new=re.findall（'DOB（.*），x.split（'；'）[0]）[0]
#而我认为你可以提取日期并跳过日期：

import re
from datetime import datetime, timedelta

def transform_date(x):

    if len(x.split(';')) > 0:

        regex = r"\bDOB ((?:(?:3[01]|[12][0-9]|0?[1-9]) [A-Za-z]+ )?\d{4})\b"
        #'DOB (.*)'

        l = len(re.findall(regex, x.split(';')[0]))

        if l > 0:

            # new = re.findall('DOB (.*)', x.split(';')[0])[0]



            # while l <= len(re.findall('DOB (.*)', x.split(';')[0])):

            new = re.findall(regex, x.split(';')[0])[l - 1]

            print(new)

                # print(type(new))

                # l = l+1

            if len(new) == 11:

                print(datetime.strptime(new, '%d %b %Y'))
                return pd.Series([datetime.strptime(new, '%d %b %Y'), np.nan, np.nan])

            elif len(new) == 4:

                print(datetime.strptime(new, '%Y').year)

                return pd.Series([np.nan, np.nan, datetime.strptime(new, '%Y').year])

            else:

                print(str(datetime.strptime(new, '%b %Y').year)) + '-' + str(datetime.strptime(new, '%b %Y').month)

                mmyyyy=str(datetime.strptime(new, '%b %Y').year) + '-' + str(datetime.strptime(new, '%b %Y').month)

                return pd.Series([np.nan, mmyyyy, np.nan])

pattern=r“（？P\d{2}\s[A-Za-z]{3}\s\d{4}）|（？P[A-Za-z]{3}\s\d{4}）|（？P\d{4}）”
dates=df[“date”].str[3:][.str.extract（模式）
日期[[“date1”，“date2”]=日期[[“date1”，“date2”]]。适用（pd.to_datetime）
打印（日期）
日期1日期2日期3
0 1951-06-19纳南
1 NaT 1951-06-01南
2 NaT NaT 1951年
再次感谢您@叶亨利！如果我想保留原始日期栏，我该怎么做
dates=pd.concat（df[“date”]，df[“date”].str[3:][.str.extract（pattern））
返回
TypeError：第一个参数必须是pandas对象的iterable，您传递了一个类型为“Series”的对象
我想我已经搞定了
df[[“date1”，“date2”，“date3”]=df[“date”].str[3:].str.extract（pattern，expand=True），
Hi@Henry Yik:我刚刚发现日期列不是很干净。可能有“1951年6月19日DOB；埃及POB Giza；护照1084010（埃及）；替代护照19820215；圣战组织的作战和军事领导人。”在您的解决方案中，我发现模式也与护照匹配，如
ort 19820215
。想知道是否有任何方法可以避免在这里提取passort，而只提取DOB后面的字符串？谢谢您可以使用
str.split
首先按“；”进行拆分
df[“date”].str.split（；”）.str[0]
应该为您提供第一个元素@Chubaka。
pattern = r"(?P<date1>\d{2}\s[A-Za-z]{3}\s\d{4})|(?P<date2>[A-Za-z]{3}\s\d{4})|(?P<date3>\d{4})"

dates = df["date"].str[3:].str.extract(pattern)
dates[["date1","date2"]] = dates[["date1","date2"]].apply(pd.to_datetime)
print (dates)

       date1      date2 date3
0 1951-06-19        NaT   NaN
1        NaT 1951-06-01   NaN
2        NaT        NaT  1951