Python中从DataFrame的Edition列提取月份与年份的方法咨询

没问题，我来帮你搞定这个日期提取的问题！你之前直接用固定索引取元素出错，核心原因就是Edition列的字符串结构不一致——有的前面多了额外字段（比如第二个例子里的Import,），导致按固定索引str[3]取内容时，遇到更长的字符串就会拿到错误的值。

这里有两种可靠的方法可以提取月份和年份，生成对应的两列：

方法1：利用字符串分割取末尾元素 #

观察你的示例数据可以发现，不管前面的内容有多少，月份和年份始终是字符串的最后两个部分。所以我们可以先按空格分割字符串，然后直接取倒数第二个（月份）和倒数第一个（年份）元素：

# 提取月份
train_df['Edition_Month'] = train_df['Edition'].str.split().str[-2]
# 提取年份
train_df['Edition_Year'] = train_df['Edition'].str.split().str[-1]

测试你的示例：

• 对于'Paperback,– 10 Mar 2016'，分割后取[-2]得到'Mar'，[-1]得到'2016'
• 对于'Hardcover,– Import, 1 Mar 2018'，分割后取[-2]得到'Mar'，[-1]得到'2018'

完全符合预期！

方法2：使用正则表达式提取（更健壮） #

如果你的数据后续可能出现其他格式的字符串，正则表达式会是更稳妥的选择。我们可以匹配字符串末尾的「三位字母月份 + 四位数字年份」模式：

# 提取月份和年份，直接生成两列
train_df[['Edition_Month', 'Edition_Year']] = train_df['Edition'].str.extract(r'(\w{3}) (\d{4})$')

正则表达式解释：

• (\w{3})：匹配连续3个字母（对应月份缩写，比如Mar）
• (\d{4})：匹配连续4个数字（对应年份，比如2016）
• $：锚定到字符串末尾，确保我们提取的是最后部分的日期信息

这种方法即使字符串前面的字段数量变化，只要日期部分在末尾且格式统一，就能准确提取。

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