使用Pandas从日期类型数据中提取日期值

问题描述 #

现有如下格式的数据集：

time                            ID  
2021-04-16T00:00:00.000-0800    AA
2021-04-23T00:00:00.000-0800    AA
2021-04-30T00:00:00.000-0800    BB

需要将time列转换为仅保留YYYY-MM-DD格式的日期值，最终得到如下结果：

time        ID  
2021-04-16  AA
2021-04-23  AA
2021-04-30  BB

当前使用的代码df["time"] = df["time"].str.extract(r'(\w+)')无法得到正确结果——正则\w+仅匹配连续的字母、数字和下划线，无法包含日期中的连字符-，只会提取出2021这部分，不符合需求。

改进方案 #

方案1：字符串切片（最简单高效） #

目标日期部分固定为字符串的前10个字符，直接通过切片截取：

df["time"] = df["time"].str[:10]

方案2：修正正则表达式 #

使用精准正则匹配开头的YYYY-MM-DD格式：

df["time"] = df["time"].str.extract(r'^(\d{4}-\d{2}-\d{2})')[0]

这里^(\d{4}-\d{2}-\d{2})表示从字符串开头匹配「4位数字+连字符+2位数字+连字符+2位数字」的格式，确保准确提取日期部分。

方案3：转换为datetime类型后处理（推荐，若数据为日期类型） #

如果time列已经是datetime类型（或可转换为该类型），直接利用pandas的datetime属性提取日期：

# 先转换为datetime类型（若还未转换）
df["time"] = pd.to_datetime(df["time"])
# 提取日期并转为字符串格式
df["time"] = df["time"].dt.strftime('%Y-%m-%d')
# 若不需要字符串格式，也可直接保留date对象
# df["time"] = df["time"].dt.date

内容的提问来源于stack exchange，提问作者Lynn