如何规范化熊猫数据框中的以下日期？

Question

我有以下dates 数据框：

   dates
0  2012 10 4
1
2  2012 01 19
3  20 6 11
4  20 10 7
5  19 11 12
6
7  2013 03 19
8  2016 2 5
9  2011 2 19
10
11  2011 05 23
12  2012 04 5

如何将日期列标准化为：

     dates
0  2012 10 04
1
2  2012 01 19
3  2020 06 11
4  2020 10 07
5  2019 11 12
6
7  2013 03 19
8  2016 02 05
9 2011 02 19
10
11 2011 05 23
12 2012 04 05

我尝试使用正则表达式并分别拆分和调整每一列。但是，我使任务复杂化。是否可以将其规范化为后一个数据帧？规则是如果年份不完整，则在字符串开头添加0，如果年份不完整，则在字符串开头添加20，格式为yyyymmdd。

Answer 1

解决方案：

x = (df.loc[df.dates.str.contains(r'\d+\s*\d+\s*\d+'), 'dates']
       .str.split(expand=True)
       .rename(columns={0:'year',1:'month',2:'day'})
       .astype(int)
)
x.loc[x.year <= 50, 'year'] += 2000
df['new'] = pd.to_datetime(x, errors='coerce').dt.strftime('%Y%m%d')

结果：

In [148]: df
Out[148]:
         dates       new
0    2012 10 4  20121004
1                    NaN
2   2012 01 19  20120119
3      20 6 11  20200611
4      20 10 7  20201007
5     19 11 12  20191112
6                    NaN
7   2013 03 19  20130319
8     2016 2 5  20160205
9    2011 2 19  20110219
10                   NaN
11  2011 05 23  20110523
12   2012 04 5  20120405

解释：

In [149]: df.loc[df.dates.str.contains(r'\d+\s*\d+\s*\d+'), 'dates']
Out[149]:
0      2012 10 4
2     2012 01 19
3        20 6 11
4        20 10 7
5       19 11 12
7     2013 03 19
8       2016 2 5
9      2011 2 19
11    2011 05 23
12     2012 04 5
Name: dates, dtype: object

In [152]: (df.loc[df.dates.str.contains(r'\d+\s*\d+\s*\d+'), 'dates']
     ...:    .str.split(expand=True)
     ...:    .rename(columns={0:'year',1:'month',2:'day'})
     ...:    .astype(int))
Out[152]:
    year  month  day
0   2012     10    4
2   2012      1   19
3     20      6   11
4     20     10    7
5     19     11   12
7   2013      3   19
8   2016      2    5
9   2011      2   19
11  2011      5   23
12  2012      4    5