如何从pandas混合字母数字列中提取日期时间并拆分出企业名称列

核心思路 #

通过正则匹配开头可选的标准日期时间格式，将匹配到的内容作为日期列，剩余内容作为企业名称列，自动适配日期缺失的场景。

实现代码 #

import pandas as pd

# 替换为你实际的混合列列名
origin_col = "你的原始混合列名"

# 正则规则：第一分组匹配可选的「年-月-日 时:分:秒」格式，\s*匹配日期后可能存在的空格，第二分组匹配剩余全部内容
pattern = r'^(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2})?\s*(.*)$'

# 提取两列内容
df[['date_time', 'full_company_name']] = df[origin_col].str.extract(pattern)

# 可选操作：将日期列转为pandas datetime格式，方便后续时间运算
df['date_time'] = pd.to_datetime(df['date_time'], errors='coerce')

规则说明 #

• 存在标准格式日期的行：自动提取开头符合格式的日期到date_time列，剩余内容去除首尾空格后进入full_company_name列
• 无日期的行：date_time列自动填充为空/NaT，整行内容全部进入full_company_name列
• 如果你的日期格式存在差异（例如年月日分隔符为/、无时分秒等），只需调整正则中第一分组的匹配规则即可。

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