Я предлагаю использовать пользовательские di git границы ((?<!\d) lookbehind и (?!\d) lookahead), чтобы убедиться, что вы соответствуете только числам по вашему выбору, и убедитесь, что вы соответствуете годам , а не только 4-значные git числа, такие как 9873 с (?:19|20)\d{2} группой без захвата с оператором чередования + любые две цифры. Дни можно сопоставить, как в ответе Яна , с шаблоном (?:0?[1-9]|1[0-2]).
После извлечения дат с помощью str.extract вы можете привести их к дате с помощью pd.to_datetime.
С помощью .fillna() вы можете манипулировать записями без совпадений (я оставил их пустыми в приведенном ниже коде).
Регулярное выражение равно
(?<!\d)((?:0?[1-9]|1[0-2])-(?:19|20)\d{2})(?!\d)
См. Регулярное выражение демо . Детали:
(?<!\d) - отрицательный вид сзади, который не соответствует совпадению, если непосредственно слева от текущего местоположения есть ди git((?:0?[1-9]|1[0-2])-(?:19|20)\d{2}) - Группа захвата 1 (требуется для str.extract): (?:0?[1-9]|1[0-2]) - необязательно 0 и ди git от 1 до 9 или 1, а затем 0 , 1 или 2 (so, numbers from 1 to 12`) - - дефис (?:19|20)\d{2} - 19 или 20, а затем любые 2 цифры
(?!\d) - отрицательный прогноз, который не дает совпадения, если сразу справа от текущего местоположения есть ди git.
Полный фрагмент:
import pandas as pd
df = pd.DataFrame()
data = { 'dob': ['will\t05-2020', 'John\t4-2020', 'James\t07-1999', 'Rob\t2-2001','kim\t1-20202020','Jane\t112-2020']}
df = pd.DataFrame(data)
df['Date'] = df['dob'].str.extract(r'(?<!\d)((?:0?[1-9]|1[0-2])-(?:19|20)\d{2})(?!\d)').fillna("")
df['Date'] = pd.to_datetime(df['Date'], format='%m%Y', errors='ignore')
Вывод:
>>> df
dob Date
0 will\t05-2020 05-2020
1 John\t4-2020 4-2020
2 James\t07-1999 07-1999
3 Rob\t2-2001 2-2001
4 kim\t1-20202020
5 Jane\t112-2020