Pandas：如何通过正则表达式筛选日期时间列？

我有一个包含赛事时间的DataFrame，数据如下：

df:

1    05 Mar 2023 16:00
2    05 Mar 2023 16:00
3       05 Mar 2023 HT
4      05 Mar 2023 FIN
5    05 Mar 2023 90+ '
6    05 Mar 2023 18:00
7    05 Mar 2023 18:30

我尝试执行以下代码：

df= df[~df.datetime.str.contains("'|\w+$", regex=True, na=False)]

预期保留的行是带具体时间（如16:00）的记录：

df:

1    05 Mar 2023 16:00
2    05 Mar 2023 16:00
6    05 Mar 2023 18:00
7    05 Mar 2023 18:30

但实际得到了空DataFrame，请问正确的正则筛选方法是什么？

问题原因 #

你写的正则'|\w+$会匹配所有行：

• \w+$匹配行尾的字母或数字，而正常时间如16:00的末尾是数字，也会被匹配，所以~取反后就把所有行都过滤掉了，导致空DataFrame。

正确方法 #

我们需要精准筛选出格式为DD MMM YYYY HH:MM的记录，有两种可行思路：

思路1：直接匹配符合时间格式的行

用正则匹配行尾为HH:MM格式的记录：

df = df[df.datetime.str.contains(r'\d{2}:\d{2}$', regex=True, na=False)]

解释：\d{2}:\d{2}$表示行尾必须是「两位数字+冒号+两位数字」的格式，正好对应16:00这类标准时间。

思路2：排除异常后缀的行

如果要针对性排除带HT、FIN、90+ '的行，正则精准匹配这些异常后缀：

df = df[~df.datetime.str.contains(r'(HT|FIN|90\+ \')$', regex=True, na=False)]

解释：(HT|FIN|90\+ \')$匹配行尾为HT、FIN或90+ '的记录，取反后就保留正常时间行。

验证结果 #

两种方法都能得到你预期的DataFrame：

1    05 Mar 2023 16:00
2    05 Mar 2023 16:00
6    05 Mar 2023 18:00
7    05 Mar 2023 18:30

内容的提问来源于stack exchange，提问作者PyNoob