如何从可变长度字符串提取日期时间并拆分到DataFrame不同列？

固定位置截取的方式无法适配文本长度变化的问题，改用正则表达式基于格式模式匹配是更可靠的通用方案，它能识别日期、时间的结构规律，不受月份长度、时间位数变化的影响。

优化后的代码 #

import pandas as pd

text = [
    'FOX News  October 27, 2022 5:00pm-6:00pm PDT',
    'FOX News  April 28, 2022 10:00pm-11:00pm PDT'
]
df = pd.DataFrame(text, columns=['text'])

# 通过正则匹配拆分日期和时间列
df[['date', 'time']] = df['text'].str.extract(r'FOX News  ([A-Za-z]+ \d{1,2}, \d{4}) (\d{1,2}:\d{2}[ap]m-\d{1,2}:\d{2}[ap]m PDT)')

print(df)

代码说明 #

• 正则表达式r'FOX News ([A-Za-z]+ \d{1,2}, \d{4}) (\d{1,2}:\d{2}[ap]m-\d{1,2}:\d{2}[ap]m PDT)'的作用：
  • FOX News ：匹配文本中的固定前缀（注意原文本里是两个空格）
  • 第一组括号([A-Za-z]+ \d{1,2}, \d{4})：匹配日期部分，适配月份 日期, 年份的格式，支持1/2位日期、任意长度的英文月份
  • 第二组括号(\d{1,2}:\d{2}[ap]m-\d{1,2}:\d{2}[ap]m PDT)：匹配完整时间部分，包含时间段和时区，支持1/2位小时数
• str.extract会自动将匹配到的两组内容分别存入新的date和time列

输出结果 #

内容的提问来源于stack exchange，提问作者Rohan Vaidya