基于另一列更新DataFrame行数据：修正日期与名称列

问题背景 #

原始DataFrame结构：

Date                         Name
0  07/08/2023    LUZZO GRACA      03/08/23
1  08/08/2023                 SEPA PREDICA
2  08/08/2023    MINIPRECO FAMILY 05/08/23
3  09/08/2023    PQ. CASA DE MUS  08/08/23

需要完成两项操作：

• 将Date列替换为Name列末尾的日期（若存在），并将两位年份补全为yyyy格式（前缀加"20"）
• 移除Name列末尾的日期部分，保留名称主体

处理后的目标效果：

Date                Name
0  03/08/2023         LUZZO GRACA      
1  08/08/2023        SEPA PREDICA
2  05/08/2023    MINIPRECO FAMILY
3  08/08/2023     PQ. CASA DE MUS

原解法（低效） #

最初通过两次apply迭代分别更新两列，需要遍历Name列两次，效率较低：

import re

def update_date(row):
    last_part = row["Name"].rsplit(' ', 1)[-1]
    if re.match(r'(?:[0-2]\d|3[0-2])/(?:0[1-9]|1[0-2])/(?:[2-9]\d)', last_part):
        return last_part[:6]+"20"+last_part[6:]
    return row["Date"]

def update_name(row):
    first_part, last_part = row["Name"].rsplit(' ', 1)
    if re.match(r'(?:[0-2]\d|3[0-2])/(?:0[1-9]|1[0-2])/(?:[2-9]\d)', last_part):
        return first_part.strip()
    return row["Name"]

df["Date"] = df.apply(update_date, axis=1)
df["Name"] = df.apply(update_name, axis=1)

优化方案：一次正则匹配完成双列更新 #

利用str.extract一次性从Name列提取名称主体和日期部分，仅需遍历一次即可完成两列更新：

import pandas as pd
import re

# 定义正则：匹配名称主体 + 可选的末尾日期（dd/mm/yy格式）
pattern = r'^(.*?)\s*((?:[0-2]\d|3[0-1])/(?:0[1-9]|1[0-2])/[2-9]\d)?$'

# 一次性提取分组结果
extracted = df['Name'].str.extract(pattern)
extracted.columns = ['clean_name', 'extracted_date']

# 更新Name列：用提取的名称主体，无日期则保留原内容
df['Name'] = extracted['clean_name'].fillna(df['Name']).str.strip()

# 更新Date列：提取到日期则补全年份，否则保留原日期
df['Date'] = extracted['extracted_date'].apply(
    lambda x: f"{x[:6]}20{x[6:]}" if pd.notna(x) else df['Date']
)

关键说明 #

• 正则表达式^(.*?)\s*((?:[0-2]\d|3[0-1])/(?:0[1-9]|1[0-2])/[2-9]\d)?$：
  • (.*?)：非贪婪匹配名称主体，避免误吞日期前的空格
  • \s*：匹配名称与日期之间的任意空白字符
  • 日期匹配规则：限制为有效日期范围（01-31日，01-12月），确保匹配准确性
  • ?：标记日期部分为可选，兼容无日期的行
• 仅需一次遍历处理Name列，相比两次apply大幅提升处理效率

内容的提问来源于stack exchange，提问作者e1k