如何从给定输入提取日期及在DataFrame中创建日期格式列

嘿，我来帮你搞定这两个日期处理的问题，都是日常数据工作里高频遇到的场景！

提取日期的方法取决于你的输入类型（纯文本、结构化数据等）和日期格式的规范程度，这里给你几个常用的方案：

• 通用文本提取（自动识别多种格式）：
  如果你的输入是自由文本，里面混着各种格式的日期，用dateutil.parser会非常省心——它能自动识别绝大多数常见的日期格式。
  先安装依赖：

  pip install python-dateutil
  

  示例代码：

  from dateutil.parser import parse
  
  input_text = "项目截止日期是2024年5月15日，备选时间为下周二（6月4日）"
  extracted_dates = []
  # 拆分文本尝试解析每个部分
  for segment in input_text.split():
      try:
          # fuzzy=True忽略非日期字符，只提取有效日期部分
          date_obj = parse(segment, fuzzy=True)
          extracted_dates.append(date_obj.date())
      except ValueError:
          # 解析失败就跳过该片段
          continue
  print(extracted_dates)  # 输出: [datetime.date(2024, 5, 15), datetime.date(2024, 6, 4)]
  

• 固定格式文本提取（精准匹配）：
  如果你的日期格式是固定的（比如YYYY-MM-DD、MM/DD/YYYY），用正则表达式提取会更高效准确：

  import re
  
  input_text = "订单创建时间：2024-03-20，预计发货时间：2024/04/05"
  # 匹配YYYY-MM-DD格式的正则
  date_pattern = r'\d{4}-\d{2}-\d{2}'
  # 匹配MM/DD/YYYY格式的正则可以用r'\d{2}/\d{2}/\d{4}'
  matched_dates = re.findall(date_pattern, input_text)
  print(matched_dates)  # 输出: ['2024-03-20']
  

• 结构化数据（比如Pandas列）提取：
  如果你的数据存在Pandas的字符串列里，直接用pd.to_datetime()就能一键转换，还能处理格式不统一的情况：

  import pandas as pd
  
  df = pd.DataFrame({'raw_date': ['2024/05/10', 'May 20, 2024', '2024-06-01', '无效日期']})
  # errors='coerce'会把无法解析的内容转为NaT（缺失值）
  df['extracted_date'] = pd.to_datetime(df['raw_date'], errors='coerce')
  print(df)
  

这个需求用Pandas可以非常简洁地实现，核心就是用pd.to_datetime()函数，它支持直接接收包含年、月、日信息的列组合。

先看示例场景：

import pandas as pd

# 构建你的示例DataFrame
data = {
    'Month': [5, 6, 7],
    'Year': [2024, 2024, 2024],
    'Day of the month': [15, 1, 22]
}
df = pd.DataFrame(data)

方法1：直接传入列组合 #

pd.to_datetime()会自动识别列名中的Year、Month、Day关键词，直接传入对应列即可：

df['Date'] = pd.to_datetime(df[['Year', 'Month', 'Day of the month']])

方法2：明确指定年/月/日对应列（更稳妥） #

如果你的列名不是标准的Year/Month/Day（比如这里的"Day of the month"），也可以通过字典明确映射，避免歧义：

df['Date'] = pd.to_datetime(
    dict(
        year=df['Year'],
        month=df['Month'],
        day=df['Day of the month']
    )
)

执行完后，你的DataFrame会新增一个datetime类型的Date列，结果如下：

Month  Year  Day of the month       Date
0      5  2024                15 2024-05-15
1      6  2024                 1 2024-06-01
2      7  2024                22 2024-07-22

注意：如果你的Month是英文月份名称（比如"May"），pd.to_datetime()也能自动识别，不需要额外转换哦！

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