Python DataFrame日期列拆分：从年月组合中分离年月

嘿，这个需求在处理时间序列数据时太常见了！我给你分享几种基于pandas的实现方式，你可以根据自己的场景选择最合适的：

方法1：直接字符串切片（最快速，适合固定格式） #

因为你的日期格式是固定的3个字母缩写+4位数字年份，直接用字符串切片是最高效的：

import pandas as pd

# 假设你的DataFrame名为df
df['Month'] = df['Date'].str[:3]  # 提取前3个字符作为月份
df['Year'] = df['Date'].str[-4:]  # 提取最后4个字符作为年份

这种方法不需要依赖任何复杂的解析，速度最快，完美适配你的固定格式场景。

方法2：正则表达式提取（灵活适配格式变化） #

如果后续你的日期格式可能有变动（比如月份缩写长度不同），正则表达式会更灵活：

# 用正则匹配字母部分(月份)和数字部分(年份)，直接拆分成两列
df[['Month', 'Year']] = df['Date'].str.extract(r'([A-Za-z]+)(\d+)', expand=True)

这个正则会自动把所有连续字母作为月份、连续数字作为年份，能适配更多格式变种。

方法3：转换为datetime对象提取（适合后续日期操作） #

如果你之后还要对日期做排序、时间差计算等操作，把字符串转成datetime对象再提取会更方便，还能自动得到数值型的年份：

# 先将字符串转为datetime格式，指定格式为"月份缩写+年份"
df['Date_dt'] = pd.to_datetime(df['Date'], format='%b%Y')

# 提取月份缩写和年份
df['Month'] = df['Date_dt'].dt.strftime('%b')  # 保持JAN/FEB这样的缩写
df['Year'] = df['Date_dt'].dt.year  # 得到整数类型的年份（比如2014）

# 如果不需要中间的Date_dt列，可以删除
df.drop('Date_dt', axis=1, inplace=True)

这种方法的优势是得到的Year是整数，方便后续做数值计算，同时保留了日期的结构化信息。

小提示 #

如果你的月份缩写有大小写混合的情况，可以用str.upper()或str.title()统一格式：

df['Month'] = df['Date'].str[:3].str.upper()  # 转成大写
# 或者转为首字母大写：df['Month'] = df['Date'].str[:3].str.title()

内容的提问来源于stack exchange，提问作者RGRGRG