pandas中如何提取出某一列（column）的日期数字

这两天，有个小伙伴问我这么一个问题，就是说他公司给了他一个table, 大概是140万行，其中有一列既有数字也有其它字符。例如2021年02月01日，想从里面仅仅把数字提取出来保存成日期格式，比如说2021-02-01，虽然最近忙得飞起，但是看在当年一起读初中的峥嵘岁月，我大概花了5分钟写了一个demo，给他提供了三种解法。

第一步，构造一个fake datasets, 模拟他的需求。

import pandas as pd 
import numpy as np

demo = pd.read_excel("/home/xuzhongtian/Documents/ChenZhenwei_demo.xlsx", header=0)
demo

模拟数据如下：

    City    Date
0   福州  2021年03月01日
1   厦门  2021年03月02日
2   深圳  2021年03月03日
3   武汉  2021年03月04日
4   上海  2021年03月05日
5   青岛  2021年03月06日
6   烟台  2021年03月07日
7   荆州  2021年03月08日

即从Date这一列中，将日期提取出来，保存为2021-03-01这种类型。

解决问题的时候，思维不能太固化。我们既可以通过将数字“提取出来”，也可以选择将除了数字之外的其它字符“抠除”。

略加思忖，给小伙伴提供了三种解法。

方法1:

#方法1:
pattern = "|".join(["年","月","日"])
demo.Date = demo.Date.str.replace(pattern, "-")
demo.Date.str.rstrip("-")

方法1结果：

方法1：Series.str.replace

方法2：

#方法2
demo.Date.str.strip().replace(dict(zip(["年","月","日"],["-","-",""])), regex=True)

方法2结果：

方法2：Series.str.replace

方法3：

temp = demo.Date.str.extract('(\d+).*?(\d+).*?(\d+)') 
temp

temp[0]+"-"+temp[1]+"-"+temp[2]

方法3结果：

方法3：Series.str.extract

方法很多，肯定也不止这几种，但是我们做数据分析，是以解决问题为导向，是在速度和效率之间，寻找一个balance, 毕竟我们知道茴香豆的茴的一种写法，就足够了。

---

Done!