如何使用Pandas提取日期列前N个字符并清理CSV日期数据？

问题分析 #

你之前的代码有两个关键问题：

1. 列名不匹配：原DataFrame的日期列是date_of_birth，但你写的是date of birth和new date，导致程序找不到对应列
2. 切片语法错误：Pandas中Series.str的切片应该用str[:10]，而非str[0,10]

几种可行的解决方法 #

方法1：固定长度截取（适合日期格式统一为MM/DD/YYYY的情况）

你的日期都是MM/DD/YYYY格式，正好占10个字符，直接截取前10位即可：

import pandas as pd

df = pd.DataFrame({
    'name': ['alice','bob','charlie'],
    'date_of_birth': ['10/25/2005 R','10/29/2002','01/01/2001 BD']
})

# 截取前10个字符得到干净的日期字符串
df['cleaned_dob'] = df['date_of_birth'].str[:10]

方法2：正则表达式提取（更灵活，适配各种后缀）

如果日期后面的多余字符不固定，用正则提取符合MM/DD/YYYY格式的部分，兼容性更强：

# 提取匹配XX/XX/XXXX的日期片段
df['cleaned_dob'] = df['date_of_birth'].str.extract(r'(\d{2}/\d{2}/\d{4})')[0]

方法3：直接解析为datetime类型（推荐，便于后续日期操作）

把清理后的日期直接转成Pandas的datetime类型，既完成清理，又能方便后续做日期计算、筛选等操作：

# errors='coerce'会把无法解析的内容转为NaT，方便后续排查异常数据
df['cleaned_dob'] = pd.to_datetime(df['date_of_birth'], errors='coerce')

# 如果需要转回字符串格式，可使用strftime
df['cleaned_dob_str'] = df['cleaned_dob'].dt.strftime('%m/%d/%Y')

内容的提问来源于stack exchange，提问作者Emilio Prill