python - 用于保持正确的日期和时间值的正则表达式

Question

我有两个 df 列，其中包含如下字符串:

**date**        **time**
12JUN19         0900
34JUN19         1095
101jun19        11145
01jun19         2559

我想排除值与 DDMMMYY 和 HM 结构不匹配的所有日期和时间，并且我还想过滤掉超出可能的日、小时和分钟值的值。我过滤日期和时间结构，如下所示:

df['date'] = df['date'].str.extract('(\d{2}[a-zA-Z]{3}[0-9]{2}$)', expand=False)
df['time'] = df['time'].str.extract('^(\d{4})$', expand=False)

我们的数据结果如下所示:

**date**        **time**
12JUN19         0900
34JUN19         1095
NaN             NaN
01jun19         2559

我现在还想排除字符串的日部分大于 31 的日期以及小时部分超过 24 或分钟部分超过 59 的日期。我有单独的函数来纠正这些值。现在我只想用 NaN 替换不正确的值。希望得到一些帮助，所需的输出应该是这样的:

**date**        **time**
12JUN19         0900
NaN             NaN
NaN             NaN
01jun19         NaN

编辑:我不想在此处将日期和时间转换为数据和时间数据类型，因为稍后用于更正值的例程需要字符串，谢谢。

Answer 1

您可以将 pd.to_datetime 与 errors='coerce' 选项一起使用:

df.loc[pd.to_datetime(df['date'], errors='coerce').isna(),
       'date'] = np.nan

df.loc[pd.to_datetime(df['time'], format='%H%M', errors='coerce').isna(),
       'time'] = np.nan

输出:

      date  time
0  12JUN19  0900
1      NaN   NaN
2      NaN   NaN
3  01jun19   NaN