Python处理DataFrame：如何计算[SOME_TEXT]长度以提取日期？

直接提取日期（推荐） #

不用纠结前置文本的长度，用正则表达式可以精准匹配目标日期格式，不管[SOME_TEXT]内容怎么变都能生效：

import pandas as pd

# 提取第一个下划线后紧跟的DD/MM/YYYY格式日期
df['date'] = df['Column_with_date'].str.extract(r'_(\d{2}/\d{2}/\d{4})')[0]

正则表达式_(\d{2}/\d{2}/\d{4})会定位第一个下划线，然后捕获后面10位的日期格式，直接提取到新列中，即使字符串后续出现[或]也不会干扰结果。

计算[SOME_TEXT]长度的方法 #

如果一定要通过前置文本长度调整截取位置，用str.find('_')就能获取第一个下划线的索引值，这个值就是[SOME_TEXT]的长度（因为索引从0开始，下划线的位置正好对应前面字符的总数）：

# 计算每条数据中[SOME_TEXT]的长度
df['prefix_length'] = df['Column_with_date'].str.find('_')

# 根据长度截取日期部分
df['date'] = df.apply(lambda row: row['Column_with_date'][row['prefix_length']+1 : row['prefix_length']+11], axis=1)

这里row['prefix_length']+1是日期的起始位置，+11是结束位置（因为DD/MM/YYYY刚好占10个字符）。

内容的提问来源于stack exchange，提问作者Ellen Coggin