这个问题的核心是正则表达式的匹配优先级问题——你的原正则会优先尝试匹配month和day组，哪怕输入是单独的年份，它也会硬把年份拆成前两位（month）和后两位（year）。要解决这个问题，我们需要按日期格式的完整性从高到低设置匹配分支，让正则先尝试匹配最完整的格式，匹配不到再尝试更简单的格式。

修正后的正则表达式方案 #

我们把三种日期格式按优先级排序，用|分隔（正则分支是从左到右匹配，匹配成功就停止）：

1. 完整的MM/DD/YYYY或MM/DD/YY格式
2. 仅MM/YYYY格式
3. 仅YYYY格式

对应的正则表达式如下：

pattern = r'(?P<month>\d{1,2})/(?P<day>\d{1,2})/(?P<year>\d{2,4})|(?P<month>\d{1,2})/(?P<year>\d{4})|(?P<year>\d{4})'

完整代码示例 #

import pandas as pd

# 测试数据
sr = pd.Series(['04/20/2009', '04/20/09', '4/20/09', '4/3/09', '6/2008','12/2009','2010'])

# 提取日期字段
extracted = sr.str.extract(pattern)

# 查看结果
print(extracted)

运行后输出的结果会是：

month  year   day
0    04  2009    20
1    04    09    20
2     4    09    20
3     4    09     3
4     6  2008   NaN
5    12  2009   NaN
6   NaN  2010   NaN

可以看到，单独的2010正确匹配到了year字段，没有被拆分成month和year；6/2008也正确识别了month和year，day字段为空，完全符合预期。

可选：统一转换为标准日期格式 #

如果需要把提取的字段转换成标准的datetime类型，可以用pd.to_datetime自动处理两位年份（比如09会默认转换为2009）：

# 生成日期字符串
date_strings = extracted.apply(
    lambda row: f"{row['month']}/{row['day']}/{row['year']}" if pd.notna(row['day']) 
    else f"{row['month']}/{row['year']}" if pd.notna(row['month']) 
    else row['year'],
    axis=1
)

# 转换为datetime
extracted['standard_date'] = pd.to_datetime(date_strings, yearfirst=False, errors='coerce')

print(extracted[['standard_date']])

这样就能得到统一的日期格式了。

内容的提问来源于stack exchange，提问作者Bluetail