Python pandas str.extract带有附加逻辑（lambda？）

我在文本中有许多类型的日期：

• 2009年4月20日
• 04/20/09
• 2009年4月20日
• 4/3/09
• 04-20-2009

还有更多

我正在使用一个正则表达式（或几个正则表达式）来提取日期

Lucky pandas有一个非常有用的函数，名为extract，例如，它可以很好地提取我的大部分日期：

df['text'].str.extract(r'(\d{1,2})[\/-](\d{1,2})[\/-](\d{1,4})', expand=True)

如上所示，我有3个捕获组。这将创建3列：月、日、年

是否有可能在它们上运行lambda并创建一个列

与在“替换”中使用lambdas的方式相同

---

pandas.DatFrame.str.extract（）的输出是一个数据帧。如果需要，您可以对其使用
pandas.DataFrame.apply（）
，例如：

代码：
测试代码：
结果：
通过调整正则表达式以使用一个捕获组，可以避免单独列的问题。类似的内容适用于您提供的日期格式：

df.date.str.extract(r'([0-9]{1,2}[\/\.\-][0-9]{1,2}[\/\.\-][0-9]{1,4})', expand=False)

您可以进一步将结果转换为日期时间：

df['my_date_col'] = pd.to_datetime(df['my_date_col'])

为了证明<代码>pd.To_datetime

宽大：

import pandas as pd

lst = ['04/03/2009', '04/03/09', '4/03/09', '4/3/09', '04-03-2009',
       '4-3-09', '3 Apr 2009', '3rd April 2009', '3-Apr-09', '3-Apr-2009',
       '04/3/09', '04-3-09', '04-3-2009', '4-03-2009']

set(map(pd.to_datetime, lst))

# {Timestamp('2009-04-03 00:00:00')}

---

有一些库可以为您进行日期解析。不过，在合并它们之前，您可能需要做一些事情来处理年份。例如，如果你想让所有年份都是四位数。@Stephernauch谢谢，这只是一个例子，问题是在捕获组Does

pd上运行lambdas是否可能。to_datetime

这里不是为你做大部分工作吗？我支持@JonClements，至少有了上面的数据，熊猫日期时间能够以正确的格式转换所有日期。

              text
0      04/20/2009;
1        04/20/09;
2         4/20/09;
3           4/3/09
4      04-20-2009;

0    04/20/2009
1      04/20/09
2       4/20/09
3        4/3/09
4    04/20/2009
dtype: object

df.date.str.extract(r'([0-9]{1,2}[\/\.\-][0-9]{1,2}[\/\.\-][0-9]{1,4})', expand=False)

df['my_date_col'] = pd.to_datetime(df['my_date_col'])

import pandas as pd

lst = ['04/03/2009', '04/03/09', '4/03/09', '4/3/09', '04-03-2009',
       '4-3-09', '3 Apr 2009', '3rd April 2009', '3-Apr-09', '3-Apr-2009',
       '04/3/09', '04-3-09', '04-3-2009', '4-03-2009']

set(map(pd.to_datetime, lst))

# {Timestamp('2009-04-03 00:00:00')}