如下图，对出生日期字符串数据，将字符“年”和“月”用作分隔符，进行分列，注意分列得到的最后一部分去掉最后一个字符。分列的结果添加到导入数据右侧。添加代码注释。
图1.原始数据表
文心一言提示词打开百度“文心一言”，输入提示词：“你是pandas专家，文件路径为：D:/Samples/员工生日.xlsx。用pandas导入第1个工作表中的数据，导入前2列"姓名"和“出生日期”数据，引擎为"openpyxl"。对出生日期字符串数据，将字符“年”和“月”用作分隔符，进行分列，注意分列得到的最后一部分去掉最后一个字符。分列的结果添加到导入数据右侧。添加代码注释。”
显示结果如下：
以下是完成指定任务的代码，包括使用pandas读取Excel文件、选择特定列、对出生日期进行分列处理，并将分列后的结果添加到原始数据右侧。代码注释详细说明了每个步骤。
import pandas as pd import numpy as np # 定义文件路径 file_path = 'D:/Samples/员工生日.xlsx' # 使用pandas读取Excel文件的第1个工作表，并只导入"姓名"和"出生日期"两列 # 引擎指定为"openpyxl"，适用于.xlsx格式的文件 df = pd.read_excel(file_path, sheet_name=0, usecols=['姓名', '出生日期'], engine='openpyxl') # 定义一个函数来处理出生日期字符串，将其分割为年、月和日 def split_date(date_str): if pd.isnull(date_str): # 处理空值 return (np.nan, np.nan, np.nan) try: # 尝试分割日期字符串，并去除年、月后的字符 parts = date_str.split('年') year = parts[0] month_day = parts[1].split('月') month = month_day[0] day = month_day[1].rstrip('日') if '日' in month_day[1] else month_day[1] return (year, month, day) except (IndexError, ValueError): # 处理格式错误的情况 return (np.nan, np.nan, np.nan) # 应用函数到"出生日期"列，并将结果分配给新的列 df[['年份', '月份', '日期']] = df['出生日期'].apply(split_date).apply(pd.Series) # 打印结果查看 print(df)请注意，这段代码假设了日期字符串的最后一个字符是“日”，并使用正则表达式 r'日$' 来匹配并替换掉它。如果实际情况有所不同，比如日期格式是“XXXX年XX月XX”，则不需要去掉最后一部分的最后一个字符，可以直接使用 str.split 而不进行 str.replace。
此外，代码中使用了 usecols 参数来仅读取前两列数据，这有助于提高效率，特别是当Excel文件很大时。
最后，代码中包含了对分列结果的列名指定（'年份', '月份', '日期'），并将这些新列添加到了原始数据框的右侧。如果不需要特定的列名，可以省略列名列表，str.split 会自动生成默认的列名（如 0, 1, 2 等）。
Python运行结果
图2.Python运行结果
本合集使用的工具如下：
文心一言：3.5版本
Python编辑器：3.9.0
申明：以上结果皆为实际运行结果，如遇到无法运行可在评论区留言。部分数据来自网络，如有侵权请私信告知，感谢！
