Python利用正则表达式来对数据中的日期进行处理

在数据分析中，经常要对日期字符串进行相应的处理。日期常见的格式为xxxx/xx/xx或xxxx-xx-xx等

1.如何去掉中间的分隔符号？可以用以下代码

正则表达式'\d+'表示提取所有数字(至少一位数字或以上)。

import pandas as pd
import re

data = pd.read_csv('数据')
riqi = data['日期'].apply(lambda x: re.findall(r'\d+', x)) #riqi得到的是所有的日期数据，每一行是一个列表，比如2020-02-11会变成[2020,02,11]
#如果只需要年月日其中一个数据，我们可以：
riqi = data['日期'].apply(lambda x: re.findall(r'\d+', x)[0]) #只得到年份

2.如何让数据根据年份来排序？可以用以下代码

import pandas as pd
import re

data = pd.read_csv('数据')
data['日期'] = data['日期'].apply(lambda x: int(''.join(re.findall(r'\d+', x)))) #这里的''.join()负责把列表里三个数字合并成一个字符串，例如2020-02-11变成20200211,再用int将它变成整数，以便排序
data.sort_values(by='日期',ascending = True) 

#如果还想将日期变回字符串，可以：
def todate(num):
    riqi = []
    num = str(num)
    riqi.append(num[0:4])
    riqi.append(num[4:6])
    riqi.append(num[6:8])
    riqi = '-'.join(riqi)
    return riqi

data['日期'] = data['日期'].apply(todate)