如何从pandas DataFrame的Edition列中正确提取对应日期数据

你的Edition列数据遵循固定格式：装订类型,– 日期，其中日期部分为日 月份缩写 四位数年份结构，按以下步骤操作即可：

方案1：字符串拆分后转换 #

先以,– 为分隔符拆分字符串，取第二部分的日期字符串，再转为datetime格式：

# 拆分字符串，提取日期部分
date_str = df_train['Edition'].str.split(',– ', expand=True)[1]
# 转换为标准datetime格式
df_train['publish_date'] = pd.to_datetime(date_str, format='%d %b %Y')

参数说明：format='%d %b %Y' 匹配你的日期格式，能大幅提升转换速度，也可避免识别错误。如果存在个别格式不匹配的行，可添加errors='coerce'参数，将非法值转为空值NaT。

方案2：正则直接提取 #

通过正则匹配直接定位日期部分，无需拆分整个字符串，适合格式有微小波动的场景：

import re
# 正则匹配 1-2位数字+空格+3位字母+空格+4位数字 的日期结构
date_str = df_train['Edition'].str.extract(r'(\d{1,2} \w{3} \d{4})', expand=False)
df_train['publish_date'] = pd.to_datetime(date_str, format='%d %b %Y')

异常说明 #

你之前执行str.split后得到<function to_datetime at 0x00000262C3D72DC0>的返回结果，是因为你之前误将pd.to_datetime函数对象直接赋值给了Edition列，而非调用函数转换数据。你需要先还原Edition列为原始的字符串数据，再执行上述提取操作。

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