本文介绍如何从包含混合文本的csv列中精准提取iso格式日期（如2024-01-02），并可靠地筛选出**非最新日期**的行，避免因直接解析失败导致的nan干扰。
在处理真实业务数据时，版本号、日志或备注类字段常以“日期 + 文本”形式存储（如 2024-01-02 rev. 003）。若直接对整列调用 pd.to_datetime()，pandas 会因无法解析后缀（rev. 003）而返回 NaT，进而导致 .max() 计算失败或过滤逻辑异常——这正是原代码中出现空值（null）的根本原因。
正确做法是先提取、再转换、最后过滤，分三步确保鲁棒性：
- 正则提取日期子串：使用 .str.extract(r'(\d{4}-\d{2}-\d{2})') 精准捕获形如 YYYY-MM-DD 的日期片段，忽略后续无关文本；
- 安全转换为 datetime：对提取结果调用 pd.to_datetime(..., errors="coerce")，将非法值转为 NaT，但不影响有效日期排序；
- 基于提取后的日期序列过滤：用布尔索引 dates.ne(dates.max()) 排除最大日期对应的所有行。
完整可运行示例：
import pandas as pd
# 模拟原始数据
df3 = pd.DataFrame({
'Version': [
'2024-01-02 rev. 003',
'2024-01-02 rev. 003',
'2023-11-17 rev. 003'
]
})
# ✅ 正确流程：提取 → 转换 → 过滤
s = df3['Version'].str.extract(r'(\d{4}-\d{2}-\d{2})', expand=False)
dates = pd.to_datetime(s, format='%Y-%m-%d', errors='coerce')
df3_filtered = df3[dates.ne(dates.max())].copy()
print(df3_filtered)
# 输出：
# Version
# 2 2023-11-17 rev. 003⚠️ 注意事项：
- 正则表达式 r'(\d{4}-\d{2}-\d{2})' 假设日期严格符合 ISO 格式；若存在 2024/01/02 或 02-Jan-2024 等变体，需调整正则或改用 .str.contains() + 自定义解析；
- 若需保留原始列不变，建议将提取的日期存为新列（如 df3['extracted_date'] = dates），便于后续调试与复用；
- 当存在多个相同最大日期时，.ne(.max()) 会一并排除所有匹配行——这是预期行为；若仅需去重保留一条，应改用 .drop_duplicates(subset=['extracted_date'], keep='first')。
该方法兼顾准确性与健壮性，是处理非结构化时间字段的标准实践。
