从熊猫数据框列中的字符串中提取日期答案

【问题标题】：Extract date from string in a pandas dataframe column从熊猫数据框列中的字符串中提取日期
【发布时间】：2022-11-18 00:56:03
【问题描述】：

我正在尝试从包含字符串的 DF 列中提取日期并存储在另一列中。

from dateutil.parser import parse
 
extract = parse("January 24, 1976", fuzzy_with_tokens=True)
print(str(extract[0]))

以上代码摘录：1976-01-24 00:00:00

我希望对 DF 中一列中的所有字符串执行此操作。

以下是我正在尝试但不起作用的内容：

df['Dates'] = df.apply(lambda x: parse(x['Column to extract'], fuzzy_with_tokens=True), axis=1)

注意事项：

如果有多个日期，需要用一些分隔符将它们连接起来
可以有没有日期的字符串。在这种情况下，解析器会返回一个错误“ParserError：String does not contain a date”。这需要处理。

【问题讨论】：

(1) 你能提供一些示例数据吗？不确定我是否理解“多个日期......用一些定界符连接”是什么意思。 (2) 您想如何处理不是日期的字符串？转换为NaT？

标签： python pandas extract python-dateutil

【解决方案1】：

见pd.to_datetime

它以矢量化方式运行，因此可以快速转换所有日期。

df["Dates"] = pd.to_datetime(df["Dates"])

如果有些字符串不会转换为日期时间并且您希望它们无效，则可以使用errors="coerce"

df["Dates"] = pd.to_datetime(df["Dates"], errors="coerce")

【讨论】：

【解决方案2】：

如果你想使用parse，你可能需要一个自定义函数来处理异常：

def parse_date(row):
    try:
        date = parse(row, fuzzy_with_tokens=True)
        return date[0]
    except:
        return np.nan


df['dates'] = df['Column to extract'].apply(lambda x: parse_date(x))

【讨论】：