如何简化Pandas中对不含指定年份的cleaned_date赋值为None的逻辑？

我的DataFrame结构如下：

x  date_from             cleaned_date
1  21 JUNE 23.59          2024-06-23
2  18TH JUN 23:59        2024-06-18   
3  01TH JULY (23.59 HRS) 2024-07-01
4  28th June 2023        2023-06-28
5  5TH MAY 2023          2023-05-05
6  JUNE 27, 2023         2023-06-27

我编写了从date_from列提取正确日期的代码，但该代码会自动补充不存在的年份信息。因此我写了一段代码，将date_from中不含指定年份且非空的行的cleaned_date字段设为None，代码如下：

df.loc[(~df['date_from'].astype('str').str.contains('2025')) &
                (~df['date_from'].astype('str').str.contains('2024')) &
                 (df['date_from'].astype('str') != 'nan') & 
                 (~df['date_from'].astype('str').str.contains('2023')) &
                 (~df['date_from'].astype('str').str.contains('2022')) &
                 (~df['date_from'].astype('str').str.contains('2021')) &
                 (~df['date_from'].astype('str').str.contains('2020')) &
                 (~df['date_from'].astype('str').str.contains('2019')),  'cleaned_date'] = None

但需要检查的年份还有很多，请问是否可以用循环或其他更简洁的方式实现该逻辑？

当然可以，用正则表达式或年份列表生成匹配模式，能大幅简化代码，两种实用方法如下：

方法1：正则匹配年份范围 #

直接用正则匹配指定区间的4位年份，反向筛选不含这些年份且非空的行：

# 匹配2019到2025之间的4位年份，可直接修改数字调整范围
year_pattern = r'20(19|20|21|22|23|24|25)'
# 筛选条件：非空 且 不匹配上述年份模式
mask = df['date_from'].notna() & ~df['date_from'].astype(str).str.contains(year_pattern, regex=True)
# 对符合条件的行设置cleaned_date为None
df.loc[mask, 'cleaned_date'] = None

比如要匹配2010-2025的年份，只需把正则改成r'20(1[0-9]|2[0-5])'即可。

方法2：基于年份列表生成匹配规则 #

如果年份是离散的，先定义年份列表，再拼接成正则模式，后续调整年份只需修改列表：

# 定义需要检查的年份列表
target_years = ['2019', '2020', '2021', '2022', '2023', '2024', '2025']
# 拼接成正则匹配模式，用|分隔多个年份
year_pattern = '|'.join(target_years)
# 筛选条件：非空 且 不包含列表中的任何年份
mask = df['date_from'].notna() & ~df['date_from'].astype(str).str.contains(year_pattern, regex=True)
df.loc[mask, 'cleaned_date'] = None

另外注意：df['date_from'].notna()比df['date_from'].astype('str') != 'nan'更准确，前者是专门检测缺失值的方法，不会把真正的字符串'nan'误判为空值。

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