如何在Pandas中对str.extract提取的日期分组列用Lambda生成单列？

完全没问题，你可以通过apply()配合lambda函数，把提取出来的month、day、year三列合并成单一列，甚至还能顺便统一日期格式。我给你两种实用的实现方式：

方法1：Apply + Lambda 逐行合并 #

先完成日期的正则提取，再用lambda函数按行拼接字段：

import pandas as pd

# 构建示例数据
df = pd.DataFrame({
    'raw_date': ['04/20/2009', '04/20/09', '4/20/09', '4/3/09', '04-20-2009']
})

# 正则提取月、日、年三列（匹配/或-分隔符，支持1-2位的月/日，2-4位的年）
df[['month', 'day', 'year']] = df['raw_date'].str.extract(r'(\d{1,2})[/-](\d{1,2})[/-](\d{2,4})')

# 用Lambda合并成自定义格式的日期列
df['merged_date'] = df.apply(
    lambda row: f"{row['month'].zfill(2)}/{row['day'].zfill(2)}/{row['year']}", 
    axis=1
)

这里用zfill(2)是为了统一月/日为两位数字（比如把4/3/09变成04/03/09），你也可以改成其他格式，比如YYYY-MM-DD：

df['merged_date'] = df.apply(
    lambda row: f"{row['year'] if len(row['year'])==4 else '20'+row['year']}-{row['month'].zfill(2)}-{row['day'].zfill(2)}", 
    axis=1
)

这段代码还顺便处理了两位年份（自动补成20xx），让日期格式更规范。

方法2：直接列拼接（更高效） #

如果你的数据量较大，逐行处理的apply()效率会低一些，直接用Pandas的字符串列拼接更高效：

# 基础拼接
df['merged_date'] = df['month'] + '/' + df['day'] + '/' + df['year']

# 统一格式的拼接
df['merged_date'] = (
    df['year'].apply(lambda y: y if len(y)==4 else '20'+y) 
    + '-' + df['month'].str.zfill(2) 
    + '-' + df['day'].str.zfill(2)
)

注意事项 #

• 如果有些行匹配不到日期，提取的列会出现NaN，合并时可以加个判断避免报错：

  df['merged_date'] = df.apply(
      lambda row: f"{row['month']}/{row['day']}/{row['year']}" if pd.notna(row['month']) else None, 
      axis=1
  )
  

• 正则表达式可以根据你的实际日期格式调整，确保能覆盖所有情况。

内容的提问来源于stack exchange，提问作者OopsUser