如何拆分pandas DataFrame中格式为‘Nov 4, 1992 (27)’的DoB列生成日期与年龄？

嘿，我来帮你搞定这个问题！针对你手里格式为Nov 4, 1992 (27)的dob列，用正则表达式配合Pandas的日期工具能写出简洁优雅的代码，而且用当前日期计算年龄比直接提取括号里的静态数字更准确（毕竟抓取的年龄是当时的，现在用可能已经过期啦）。

步骤1：提取并转换出生日期为dd/mm/yyyy格式 #

我们可以用正则表达式快速剥离括号里的年龄部分，只保留日期字符串，再用pd.to_datetime()完成转换：

import pandas as pd

# 假设你的DataFrame名为df
# 1. 提取括号前的日期部分（正则匹配开头到左括号前的内容）
df['dob_date_str'] = df['dob'].str.extract(r'^(.*?)\s+\(')[0]

# 2. 转换为datetime类型，再格式化为dd/mm/yyyy的字符串
df['date_of_birth'] = pd.to_datetime(df['dob_date_str']).dt.strftime('%d/%m/%Y')

如果你需要保留datetime对象方便后续计算（比如年龄），可以跳过strftime，直接保留转换结果：

df['dob_datetime'] = pd.to_datetime(df['dob_date_str'])

步骤2：基于当前日期计算真实年龄 #

不用拆分字符串提取括号里的数字，我们可以通过出生日期和当前日期的差值，计算出精确的当前年龄（考虑生日是否已过的情况）：

from datetime import datetime

current_date = datetime.now()

# 先计算年份差
df['age'] = current_date.year - df['dob_datetime'].dt.year

# 调整：如果今年生日还没到，年龄减1
birthday_not_passed_mask = (df['dob_datetime'].dt.month > current_date.month) | \
                           ((df['dob_datetime'].dt.month == current_date.month) & 
                            (df['dob_datetime'].dt.day > current_date.day))
df.loc[birthday_not_passed_mask, 'age'] -= 1

也可以用Pandas的Timestamp替代datetime，写法更统一：

current_date = pd.Timestamp.now()
df['age'] = current_date.year - df['dob_datetime'].dt.year
birthday_not_passed_mask = (df['dob_datetime'].dt.month > current_date.month) | \
                           ((df['dob_datetime'].dt.month == current_date.month) & 
                            (df['dob_datetime'].dt.day > current_date.day))
df.loc[birthday_not_passed_mask, 'age'] -= 1

可选：提取原字符串中的静态年龄（用于对比） #

如果你想保留抓取时的年龄作为参考，也可以用正则快速提取：

df['extracted_age'] = df['dob'].str.extract(r'\((\d+)\)')[0].astype(int)

整合一步到位的写法 #

可以把提取和转换合并，减少中间列：

import pandas as pd
from datetime import datetime

# 处理日期
df['dob_datetime'] = pd.to_datetime(df['dob'].str.extract(r'^(.*?)\s+\(')[0])
df['date_of_birth'] = df['dob_datetime'].dt.strftime('%d/%m/%Y')

# 计算年龄
current_date = datetime.now()
df['age'] = current_date.year - df['dob_datetime'].dt.year
mask = (df['dob_datetime'].dt.month > current_date.month) | \
       ((df['dob_datetime'].dt.month == current_date.month) & 
        (df['dob_datetime'].dt.day > current_date.day))
df.loc[mask, 'age'] -= 1

这样处理后，你既得到了标准格式的出生日期，又有了实时准确的年龄，代码也比手动拆分字符串简洁很多～

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