Python pandas 如何选取位置不固定的最新日期列及更优实现

完全可以用pandas内置的日期解析工具替代自己写正则筛选的流程，代码更简洁、容错性更强，不需要手动维护匹配规则。

核心实现步骤 #

• 利用pd.to_datetime的容错参数自动完成非日期列的过滤，不需要提前写正则匹配规则
• 定位解析后最大日期对应的原始列名
• 直接从DataFrame中选取对应列的数据

具体代码实现 #

最通用的写法如下：

import pandas as pd

# 获取DataFrame所有列名
all_cols = df.columns.tolist()
# 解析所有列名，无法转为合法日期的列名自动标记为NaT
parsed_date_cols = pd.to_datetime(all_cols, errors="coerce")
# 定位最大日期对应的原始列索引
latest_col_idx = parsed_date_cols.argmax()
# 取出最新日期列的全部数据
latest_col_data = df[all_cols[latest_col_idx]]

方案优势 #

• 不需要手写正则表达式：pd.to_datetime底层基于Cython实现，支持绝大多数常见日期格式的自动识别，比纯Python实现的正则循环效率高
• 自动过滤非日期列：设置*errors="coerce"*参数后，所有无法解析为合法日期的列名（比如示例里的"A"）会直接被标记为NaT，不需要额外写条件判断筛选；且NaT值的比较优先级低于所有合法日期，就算非日期列在列表中的位置靠前，也不会被误选为目标列
• 适配无固定列位置的场景：无论日期列在DataFrame的哪个位置，都可以通过解析结果的定位准确找到目标列，不受列顺序影响

如果需要严格匹配固定的日期格式（避免类似"2020/01/01"这类其他分隔符的字符串被误识别为日期），可以在解析时显式指定格式：

parsed_date_cols = pd.to_datetime(all_cols, errors="coerce", format="%Y-%m-%d %H:%M:%S")

这种写法的匹配精度和手写正则完全一致，但代码更短、维护成本更低。

边缘场景提示：如果当前DataFrame的列名中没有任何可以解析为日期的字符串，建议增加合法性判断，避免误选列：

if not parsed_date_cols.notna().any():
    raise ValueError("当前DataFrame中不存在格式匹配的日期列")
latest_col_idx = parsed_date_cols.argmax()

内容的提问来源于stack exchange，提问作者mkalns