如何在Python Pandas的DataFrame字符串列中提取指定日期值？

问题场景 #

你的DataFrame中col1列存储的是JSON格式的字符串，需要提取其中A_DT字段的日期部分（格式如2022-05-10），当A_DT为null时，新列col2也为null。之前使用字符串分割的方法因A_DT存在null值和格式差异报错。

解决方案 #

方法一：解析JSON为结构化数据（最稳妥）

直接将JSON字符串解析为字典，再展开成结构化DataFrame，能避免字符串分割带来的格式依赖问题，自动处理null值：

import pandas as pd
import json

# 假设你的原始DataFrame为df
# 将col1的JSON字符串解析为字典
df['col1_json'] = df['col1'].apply(json.loads)
# 展开JSON字典为结构化数据
df_json = pd.json_normalize(df['col1_json'])
# 提取A_DT并截取日期部分，null值自动保留为None
df['col2'] = df_json['A_DT'].str.split('T').str[0]
# 清理临时列
df = df.drop('col1_json', axis=1)

方法二：正则表达式提取（轻量高效）

如果不想解析整个JSON，可使用正则精准匹配A_DT的取值，直接处理日期和null情况：

import pandas as pd

# 正则匹配A_DT的取值，兼容null和带引号的日期格式
df['col2'] = df['col1'].str.extract(r'"A_DT":(null|".*?")', expand=False).apply(
    lambda x: x.strip('"').split('T')[0] if x != 'null' else None
)

方案说明 #

• 原字符串分割方法的问题：当A_DT为null时，split('A_DT":"')得到的列表长度不足2，访问x[1]会触发索引错误；且依赖JSON键的固定顺序，扩展性差。
• 上述两种方法均能处理A_DT为null的场景，且不受JSON键顺序影响，更稳定可靠。

内容的提问来源于stack exchange，提问作者dingaro