python中日期的正则表达式？ [复制]答案

【问题标题】：Regular Expression for date in python? [duplicate]python中日期的正则表达式？ [复制]
【发布时间】：2020-04-14 20:16:13
【问题描述】：

如何通过正则表达式检查 pandas 数据框中的日期值并选择错误的日期类型值？

日期：df

Date_col
22-01-2016
2016-01-22
2016/01/22
2018-12-25 09:27:53
22-Jan-2016
abcd
1203
2072006
20030201

输出：

Bad_Date
22-Jan-2016
abcd
1203
2072006
20030201

可能是只允许数字的正则表达式，'-' ,'/', ':' 可以解决这个问题。

【问题讨论】：

您是要验证列是否只是具有特定的类似日期的格式，还是要验证正确的日期？
例如，2019-02-30 是不是一个糟糕的约会？ 2018-45-12呢？
你会考虑闰年吗？
你在乎10548年吗？比如10548-01-01?
它应该包含正确的日期格式 22-07-2019 或 2019-07-22 否则它将是一个错误的日期。

标签： python regex python-3.x pandas python-2.7

【解决方案1】：

一个想法可能是查看 pandas.to_datetime 拒绝哪些值：

import pandas as pd

bad_times = []
for i in df.Date_col.values:
    try:
        pd.to_datetime(i)
    except ValueError:
        bad_times.append(i)

【讨论】：

【解决方案2】：

将str.contains 与regular expressions 一起使用：

wrong_dates1 = ~df['Date_col'].str.contains('[-/:]')   # rows without the characters -, /, :
wrong_dates2 = df['Date_col'].str.contains('[A-Za-z]') # rows with letters

df[wrong_dates1 | wrong_dates2]

      Date_col
4  22-Jan-2016
5         abcd
6         1203
7      2072006
8     20030201

旁注

如果您将22-Jan-2016 和20030201 视为有效日期（它们是），您可以简单地将pd.to_datetime 与errors='coerce' 一起使用，这会将无效日期转换为NaT：

bad_dates = pd.to_datetime(df['Date_col'], errors='coerce').isna()
df[bad_dates]

  Date_col
5     abcd
6     1203
7  2072006

【讨论】：