如何在Pandas Series中用日期包含的年份替换该日期元素？

云原生阿岚

2026-5-29

在Pandas Series中提取日期字符串的年份值

没问题，我来帮你搞定这个需求——把Series里的日期格式字符串（比如2/8/2014 0:00）替换成对应的年份，同时保留其他原有数据。下面是具体的实现步骤和代码：

步骤1：准备示例数据

首先把你提供的数据转换成Pandas Series：

import pandas as pd

# 你的原始数据
data = [2014, 180657, 2015, 153837, 2014, 72395, 2012, 69708, 2013, 61364, 2015, 54117, 2013, 3313, 2012, 1076, 
        '2/8/2014 0:00', 2, '7/3/2014 0:00', 2, '1/29/2015 0:00', 2, '9/1/2014 0:00', 2, '11/22/2014 0:00', 2, 
        '10/16/2014 0:00', 2]
# 创建Series
s = pd.Series(data)

步骤2：提取年份并处理数据

我们可以用正则表达式提取日期字符串中的四位年份，同时保留其他非日期数据：

# 统一转成字符串后提取四位数字（即年份），非日期值用原数据填充
s_processed = s.astype(str).str.extract(r'(\d{4})', expand=False).fillna(s)

# 可选：将结果转成数值类型（方便后续计算，不影响非数值数据）
s_processed = pd.to_numeric(s_processed, errors='ignore')

代码解释

astype(str)：把Series里的所有元素转成字符串，这样数字和日期字符串都能统一处理。
str.extract(r'(\d{4})')：用正则匹配每个字符串中的第一个连续四位数字，正好对应日期里的年份；对于本来就是四位年份的数字（比如2014），转成字符串后也会被正确提取。
fillna(s)：对于没有四位数字的元素（比如180657、2），extract会返回NaN，这里用原数据填充，保证这些值不变。
pd.to_numeric(..., errors='ignore')：把能转成数字的元素转成数值类型，非数值元素保持原样，不影响后续使用。