如何用Python从格式为‘October 1, 2020 (United States)’的列中提取年份？

针对格式为October 1, 2020 (United States)的列，不用拆分合并DataFrame，这几种方法能快速提取年份：

• 正则表达式直接匹配四位年份：利用年份是连续四位数字的特点，直接提取，不受月份长度影响

  df['year'] = df['date_column'].str.extract(r'(\d{4})')
  

  正则\d{4}会精准匹配字符串里的四位数字，刚好对应年份。

• 按逗号分割提取：借助日期格式的结构（年份在第二个逗号后），分割后取对应部分切片

  df['year'] = df['date_column'].str.split(',').str[1].str.strip().str[:4]
  

  先按逗号把字符串拆分成两部分，取第二部分后去掉首尾空格，再截取前四位就是年份。

• 转日期格式提取（适合标准日期前缀）：如果前面的日期部分是可识别的格式，转成datetime类型后直接提取年份

  import pandas as pd
  df['year'] = pd.to_datetime(df['date_column'].str.split('(').str[0].strip()).dt.year
  

  先把括号前的日期部分拆分出来，转成datetime对象，再调用dt.year拿到年份。

这些方法都能直接在原DataFrame生成新列，不用额外拆分合并操作，代码简洁高效。

内容的提问来源于stack exchange，提问作者Pranav