从数据框中的列中提取日期的正则表达式答案

【问题标题】：Regular expression to extrat date from columns in a dataframe从数据框中的列中提取日期的正则表达式
【发布时间】：2020-04-10 09:11:34
【问题描述】：

我必须处理一个结构如下所示的数据框：

print (df)
        2012-02-23~2012-02-29  2012-03-01~2012-03-08
Team A                    213                   3213
Team B                    321                   3213

我正在尝试修改列名以提取字符 ~ 之后的日期部分。

df = pd.read_excel('test.xlsx')
df.columns = df.columns.str.extract(r'~(.*)')
df

我正在使用上面的代码，但是我得到的结果如下所示：

print (df)
        (2012-02-29,)  (2012-03-08,)
Team A            213           3213
Team B            321           3213

问题是命令来自哪里？以及为什么每列都有 ()，我的目标是让表格如下所示并将日期类型转换为日期戳。

        2012-02-29  2012-03-08
Team A         213        3213
Team B         321        3213

【问题讨论】：

我注意到了，但如果您想提取日期（根据您的问题），请注意 2012-02-35 不是有效日期。这是一个错字吗？还是您在处理错误数据？
@JvdV - 我猜，所以在文本版本中我将其更改为 2012-02-29
@JvdV 是文本，怎么改成日期时间？
首先，让我们知道这是拼写错误还是您正在处理显示无效日期的错误数据？如果它不是一个有效的日期，它应该是什么？例如2012-2-29 或2012-3-6 等等.. 或者@jezrael 所做的更改是否正确？
这里我觉得pd.to_datetime就够了，我只需要传入格式参数

标签： regex python-3.x pandas

【解决方案1】：

我认为expand=False 应该在这里帮助避免MultiIndex 转换为元组：

df.columns = df.columns.str.extract(r'~(.*)', expand=False)
print (df)
        2012-02-29  2012-03-08
Team A         213        3213
Team B         321        3213

或使用split 选择列表的第二个值：

df.columns = df.columns.str.split('~').str[1]
print (df)
        2012-02-29  2012-03-08
Team A         213        3213
Team B         321        3213

【讨论】：

非常感谢，这很有帮助，还有一个问题，当前结果是字符串，那么如何将列更改为日期时间数据类型？
@Rowling - 然后使用df.columns = pd.to_datetime(df.columns.str.extract(r'~(.*)', expand=False))