如何使用 Pandas 从 Excel 文件中提取日期？

先决条件： Python中的正则表达式

在本文中，让我们看看如何从 Excel 文件中提取日期。假设我们的 Excel 文件如下图所示，那么我们必须从字符串中提取日期并将其存储到新的 Dataframe 列中。

date_sample_data.xlsx

要查看 Excel 文件，请单击此处。

方法 ：

• 导入所需的模块。
• 从 Excel 文件导入数据。
• 为新日期制作一个额外的列。
• 设置搜索索引。
• 定义日期格式的模式。
• 搜索日期并分配给 Dataframe 中的相应列。

让我们看看分步实施：

第一步：导入需要的模块并从Excel文件中读取数据。

Python3

# import required module
import pandas as pd;
import re;
  
# Read excel file and store in to DataFrame
data = pd.read_excel("date_sample_data.xlsx");
  
print("Original DataFrame")
data

输出：

第 2 步：为新日期创建一个额外的列。

Python3

# Create column for Date
data['new_Date']= None
data

输出：

第 3 步：设置搜索索引。

Python3

# set required index
index_set = data.columns.get_loc('Description')
index_date = data.columns.get_loc('new_Date')
  
print(index_set, index_date)

输出：

1 2

第 4 步：定义日期格式的模式。

我们需要为DD/MM/YY格式的日期模式创建正则表达式。使用[0-9]表达式查找括号之间的任何数字字符。使用转义序列“\”将“/”转义为特殊符号， {2} 、 {4}用于表示字符不属于给定字符串的次数。所以表达式变为'[0-9]{2}\/[0-9]{2}\/[0-9]{4}' 。

例子：

02/04/2020
02 -----> [0 to 9] --> [0-9]
number of character inside the string {2} ( i.e DD)

04- ----> [0 to 9] --> [0-9]
number of character inside the string {2} ( i.e MM)

2020 -->[0 to 9] -->[0-9]
number of character inside the sting {4} ( i.e YYYY)

Python3

# In DD/MM/YYYY
date_pattern = r'([0-9]{2}\/[0-9]{2}\/[0-9]{4})'

第 5 步：搜索日期并分配给 Dataframe 中的相应列。

为了在字符串中使用正则表达式搜索日期，我们使用re库的re.search()函数。

Python3

for row in range(0, len(data)):
    Date = re.search(date_pattern,data.iat[row,index_set]).group()
    data.iat[row, index_date] = Date
      
# show the Dataframe
data

输出：

完整代码：

Python3

# importing required module
import pandas as pd;
import re;
  
data = pd.read_excel("date_sample_data.xlsx");
  
print("Original data : \n",
      data)
  
# Create column for Date
data['new_Date'] = None
  
# set index
index_set = data.columns.get_loc('Description')
index_date = data.columns.get_loc('new_Date')
print(index_set, index_date)
  
# define pattern for date
# in DD/MM/YYYY
date_pattern = r'([0-9]{2}\/[0-9]{2}\/[0-9]{4})'
  
# searching pattern
# And storing in to DataFrame
for row in range(0, len(data)):
    Date = re.search(date_pattern, 
                     data.iat[row,index_set]).group()
    data.iat[row, index_date] = Date
  
# show the Dataframe
data

输出：

注意：在运行此程序之前，请确保您已经在Python环境中安装了xlrd库。