Python清洗多格式日期列：提取日期字符串中的年份

针对你这种包含多种日期格式（含纯年份）的DataFrame列，有两种简单高效的方法提取年份：

方法一：正则表达式提取（最直接） #

因为所有目标年份都是四位数字，不管它在字符串的哪个位置，直接用正则匹配四位数字即可：

import pandas as pd

# 假设你的列名为'birth_date'
df['birth_year'] = df['birth_date'].str.extract(r'(\d{4})').astype(int)

这个方法能覆盖所有情况：不管是Jan 10 2020、10/8/2019、June 14th 1980还是纯年份1913，都会精准提取出四位数字的年份，转成整数类型。

方法二：结合pandas to_datetime处理 #

如果想先尝试标准日期转换，再处理纯年份的行，可以这么做：

# 先尝试转换为datetime，转换失败的设为NaT
df['temp_datetime'] = pd.to_datetime(df['birth_date'], errors='coerce')
# 提取可转换行的年份，对转换失败的纯年份行直接转整数填充
df['birth_year'] = df['temp_datetime'].dt.year.fillna(df['birth_date'].astype(int)).astype(int)
# 删除临时列
df.drop('temp_datetime', axis=1, inplace=True)

这种方法先处理符合标准日期格式的行，纯年份的行因无法转成datetime会被标记为NaT，这时候直接把原字符串转成整数填充即可。

两种方法都能得到你需要的结果，推荐第一种正则方法，代码更简洁高效，适配所有你列出的格式。

内容的提问来源于stack exchange，提问作者jenna