Python使用正则提取DataFrame日期列月份失败及日期处理方案咨询

问题1：当前代码无法提取月份的原因 #

• 正则逻辑完全不符合需求：你写的正则.*([1-2][0-9]{3})的匹配目标是四位年份数字（1000-2999区间），和你要提取的两位月份完全不相关，就算匹配成功拿到的也是2020这类年份值，不是月份。
• 异常未处理导致返回NaN：如果出现匹配失败的场景，re.match会返回None，此时调用.group(1)会触发异常，pandas在apply过程中遇到未捕获的异常时对应位置就会被置为NaN。

问题2：处理用户输入日期的更优方案 #

不要手动写正则解析日期，pandas内置的pd.to_datetime()函数已经兼容绝大多数常见的日期格式（包括你示例中的mm/dd/yyyy、yyyy-mm-dd HH:MM:SS等），可以直接自动识别转换为标准datetime对象，后续提取月份、年份、日期都非常方便，示例代码如下：

import pandas as pd

# 自动识别转换为datetime类型
df['Data'] = pd.to_datetime(df['Data'])
# 提取数字格式月份（1-12）
df['month_num'] = df['Data'].dt.month
# 提取两位字符串格式月份（01-12）
df['month_str'] = df['Data'].dt.strftime('%m')

如果遇到非常见的日期格式，还可以通过format参数指定解析规则，或者用errors参数处理异常值，比手动写正则的兼容性和稳定性高很多。

内容的提问来源于stack exchange，提问作者bellotto