用于检查所有类型的日期格式的正则表达式模式

Question

我想检查 dataframe 的哪一列中存在的日期值，并将该列转换为日期时间，因为列类型最初可以是 object，但日期可以是以下任何格式。 所以我正在寻找一个匹配所有日期类型格式的正则表达式模式。

1. 04/10/2022
2. 10/04/2022
3. 2022/04/10
4. 2022/10/04
5. 2022-12-20 00:00:00
6. 04-10-2022

有人可以建议一个匹配所有日期格式的正则表达式模式吗？

我试过下面的代码：

    for columnIndex, colName in enumerate(df):

        df2 = pd.DataFrame()
        df2['test'] = df[colName]
        count = 0
        for i, j in df2.iteritems():
            for k in j:
                if re.match("[0-9]{2}/[0-9]{2}/[0-9]{4}", str(k)):
                    count = count+1
        if(count>5):
            df[colName] = pd.to_datetime(df[colName])
        print(df.dtypes)

Answer 1

考虑以下 dataframe df以及问题中 OP 指示的所有日期格式

df = pd.DataFrame({'date': ['04/10/2022', '10/04/2022', '2022/04/10', '2022/10/04', '2022-12-20 00:00:00', '04-10-2022']})

[Out]:
                  date
0           04/10/2022
1           10/04/2022
2           2022/04/10
3           2022/10/04
4  2022-12-20 00:00:00
5           04-10-2022

假设目标是转换为日期时间，可以使用pandas.to_datetime 。 这具有可以按如下方式使用的参数infer_datetime_format

df['date'] = pd.to_datetime(df['date'], infer_datetime_format=True)

[Out]:

        date
0 2022-04-10
1 2022-10-04
2 2022-04-10
3 2022-10-04
4 2022-12-20
5 2022-04-10

对于这种情况，它完成了工作。

---

笔记：

• 如果想探索源代码以了解 function 是如何实现的， 请在此处查看 Github 。

Answer 2

为什么不简单地使用pandas.to_datetime而不提供任何格式？

for col in df.columns:
    df[col] = pd.to_datetime(df[col])

＃Output：

print(df)
        Col1       Col2       Col3       Col4
0 2022-04-10        NaT        NaT        NaT
1        NaT 2022-10-04        NaT        NaT
2        NaT        NaT 2022-04-10        NaT
3 2022-10-04        NaT        NaT        NaT
4        NaT        NaT        NaT 2022-12-20
5 2022-04-10        NaT        NaT        NaT

# 使用的输入：

         Col1        Col2        Col3                 Col4
0  04/10/2022         NaN         NaN                  NaN
1         NaN  10/04/2022         NaN                  NaN
2         NaN         NaN  2022/04/10                  NaN
3  2022/10/04         NaN         NaN                  NaN
4         NaN         NaN         NaN  2022-12-20 00:00:00
5  04-10-2022         NaN         NaN                  NaN      

Answer 3

这是一个想法。 使用此代码，您将匹配所有格式，但是如果日期是05/05/2022 ，则您无法区分天数和月份。 但这是一个超出问题 scope 的问题。

我想出的正则表达式查找由破折号或斜杠“[/-]”分隔的一个或多个数字[0-9]+的组，我使用反斜杠来转义特殊符号。

dates="""04/10/2022
10/04/2022
2022/04/10
2022/10/04
2022-12-20 00:00:00
04-10-2022"""

import re
dre = re.compile(r"([0-9]+)[\/\-]([0-9]+)[\/\-]([0-9]+)")

for date in dates.split("\n"):
    m = dre.match(date)
    print( m.group(1) , m.group(2) , m.group(3) )