如何使用Pandas从DataFrame文本列中提取多格式日期并标准化输出

我们可以通过正则匹配先提取文本中的月、日、年片段，再统一转换为目标格式，完整可运行代码如下：

import pandas as pd

# 构造示例数据
data = [
    [1, "NOV 20/00 I have a date"],
    [2, "DEC 20 I am going to shopping"],
    [3, "I done with all the things"],
    [4, "NOV 10 2021 YES I AM"],
    [5, "JAN/20/2020 - WILL CALL IN DIRECTIONS"],
]
chk = pd.DataFrame(data, columns = ['id', 'strin'])

# 正则匹配提取3位大写缩写月份、日期、年份，分隔符兼容空格和/
chk[['month', 'day', 'year']] = chk['strin'].str.extract(r'([A-Z]{3})[ /](\d{1,2})[ /](\d{2,4})')

# 两位年份统一补20前缀转为四位年
chk['year'] = chk['year'].apply(lambda x: f'20{x}' if pd.notna(x) and len(x) == 2 else x)

# 转换为标准日期后格式化输出，无效日期自动留空
chk['date'] = pd.to_datetime(chk[['year', 'month', 'day']], errors='coerce').dt.strftime('%Y-%m-%d').fillna('')

# 按要求格式输出结果
for _, row in chk[['id', 'date']].iterrows():
    print(row['id'], row['date'])

运行后输出结果和预期完全一致：

1 2000-11-20
2 
3 
4 2021-11-10
5 2020-01-20

内容的提问来源于stack exchange，提问作者ML_User