Pandas 匹配列中特定字符串并提取对应日期到新列的实现咨询

实现方案 #

你可以通过Pandas的字符串提取方法结合正则匹配实现需求，示例代码如下：

import pandas as pd
import re

# 替换为你实际的评论列名
comment_col = "Comments"
# 日期正则规则，可根据你实际的日期格式调整，当前适配MM/DD/YYYY、YYYY-MM-DD两种常见格式
date_reg = r"Now Accepted.*?(\d{1,2}/\d{1,2}/\d{4}|\d{4}-\d{1,2}-\d{1,2})"

# 提取日期生成新列
df["Accepted Date"] = df[comment_col].str.extract(date_reg, flags=re.IGNORECASE)

规则说明 #

• 代码中的flags=re.IGNORECASE用于适配大小写不敏感的匹配场景，如果你数据里的关键词都是严格的Now Accepted，可以移除该参数
• 如果你的日期格式为其他类型（比如日月年、带月份英文缩写的格式），只需要调整正则中的日期匹配部分即可
• 未匹配到关键词的行，新列会自动填充NaN，符合预期输出效果

测试验证示例 #

你可以用以下测试样例验证逻辑是否符合预期：

# 构造测试数据
test_data = {
    "Comments": [
        "Project status: Now Accepted 09/15/2024, next step review",
        "Submission rejected, missing required materials",
        "Now Accepted 2024-09-20, passed automatic check",
        "Waiting for audit result"
    ]
}
test_df = pd.DataFrame(test_data)
# 执行提取逻辑
test_df["Accepted Date"] = test_df["Comments"].str.extract(date_reg, flags=re.IGNORECASE)
print(test_df)

内容的提问来源于stack exchange，提问作者J_pigeon