Pandas DataFrame提取字符串年份遇NaN问题，寻求解决办法

你的代码出错原因是Pandas的str切片仅支持位置索引，不支持用字符作为切片边界，所以str[',':'(']这种写法无效，导致返回全NaN。下面给几种可靠的解决方案：

方法1：正则表达式提取（推荐） #

利用年份是4位数字的特征，用str.extract匹配提取：

df['year_correct'] = df['released'].astype(str).str.extract(r'(\d{4})')

原理：\d{4}匹配连续4位数字，extract会提取第一个匹配的结果作为新列值，兼容所有格式中包含4位年份的情况。

方法2：字符串分割 #

通过两次分割定位年份：

# 先按', '分割取第二部分，再按空格分割取第一个元素
df['year_correct'] = df['released'].astype(str).str.split(', ').str[1].str.split(' ').str[0]

或者用expand=True更直观：

df['year_correct'] = df['released'].astype(str).str.split(', ', expand=True)[1].str.split(' ', expand=True)[0]

原理：第一次分割后得到['June 13', '1980 (United States)']，取第二部分再分割就得到年份。

示例验证 #

假设你的DataFrame是：

import pandas as pd
df = pd.DataFrame({'released': ['June 13, 1980 (United States)', 'January 1, 2023 (Canada)']})

用上述方法处理后，year_correct列会得到['1980', '2023']，结果正确。

内容的提问来源于stack exchange，提问作者Zohaib Ahmed