如何将Pandas列中的日期与文本拆分至新列并按规则映射？

现有如下Pandas DataFrame：

col1     col2     text           col4
1        a1       12/07/2023     a2
2        a1       abc            a2
3        a1       12/06/2022     a2
4        a1       def            a2
5        a1       fgh            a2     
6        a1                      a2     
7        a1       xxx            a2     

期望得到的结果DataFrame如下：

col1     col2     text       date           col4
1        a1       abc        12/07/2023     a2
2        a1       def        12/06/2022     a2
3        a1       fgh        12/06/2022     a2
4        a1       xxx                       a2

规则说明：

• 若文本的紧邻前一行是日期，则该文本对应此日期；
• 若一个日期后有多条文本，所有文本均对应该日期；
• 若文本的紧邻前一行是空值，则该文本对应的日期为空。
  核心逻辑仅需关注文本的紧邻前一行是否存在日期。

可以通过以下步骤用Python+Pandas实现需求：

1. 标记日期行与空行
   用正则匹配MM/DD/YYYY格式的日期，标记出原始数据中的日期行；同时标记空行，用于后续分割分组。

2. 分组填充日期
   以空行为分割点分组，在每个分组内将日期值向下填充，确保空行后的文本不会继承之前的日期。

3. 过滤整理结果
   过滤掉原始的日期行和空行，只保留有效文本行，最后重置序号并调整列顺序。

完整代码如下：

import pandas as pd
import re

# 构造原始DataFrame
data = {
    'col1': [1,2,3,4,5,6,7],
    'col2': ['a1']*7,
    'text': ['12/07/2023', 'abc', '12/06/2022', 'def', 'fgh', '', 'xxx'],
    'col4': ['a2']*7
}
df = pd.DataFrame(data)

# 标记日期行：匹配MM/DD/YYYY格式
date_pattern = r'^\d{2}/\d{2}/\d{4}$'
df['is_date'] = df['text'].str.match(date_pattern, na=False)

# 生成日期列：日期行保留text值，其余先设为NaN
df['date'] = df['text'].where(df['is_date'])

# 按空行分组，在分组内向下填充日期
df['group'] = (df['text'] == '').cumsum()
df['date'] = df.groupby('group')['date'].ffill()

# 过滤有效行：保留非日期且text非空的行
result_df = df[(~df['is_date']) & (df['text'] != '')].copy()

# 重置col1的序号
result_df['col1'] = range(1, len(result_df)+1)

# 整理列顺序，移除辅助列
result_df = result_df[['col1', 'col2', 'text', 'date', 'col4']]

print(result_df)

代码说明：

• 正则表达式^\d{2}/\d{2}/\d{4}$精准匹配目标日期格式，避免误判；
• 按空行分组后填充日期，确保空行后的文本不会继承之前的日期，符合规则要求；
• 最后过滤无效行并重置序号，完全匹配期望的结果结构。

内容的提问来源于stack exchange，提问作者Django0602