如何在pandas dataframe中提取字符串的指定部分（年份后两位）

直接使用pandas字符串方法结合正则表达式匹配完整的20xx格式年份，不受空格数量、其他位置零散20字符干扰：

# 匹配所有20开头的四位数字，直接捕获后两位存入Year列
new_data['Year'] = new_data['Name'].str.extract(r'20(\d{2})')

逻辑说明 #

• 正则表达式r'20(\d{2})会优先匹配符合20xx格式的四位连续数字，括号内的\d{2}是捕获组，str.extract会直接返回捕获到的两位数字，也就是年份后两位。
• 针对你提到的异常场景：
  • 字符串'TON RO20 2018 N'中，RO20不符合20xx格式不会被匹配，只会匹配到后面的2018提取出18
  • 字符串'TON 2020 N'会匹配到2020提取出20
    完全覆盖你给出的所有测试场景。

特殊场景适配 #

如果单行字符串中存在多个20xx格式的年份，可按需求调整：

• 取第一个出现的年份：上述代码即可，str.extract默认返回第一个匹配项
• 取最后一个出现的年份：使用如下代码

new_data['Year'] = new_data['Name'].str.extractall(r'20(\d{2})').groupby(level=0).last()

内容的提问来源于stack exchange，提问作者user12447159