将Series.str.extract与Series.map一起使用：

d = {'Jan':'01', 'Feb':'02','Mar':'03', 'Apr':'04', 
     'May':'05','Jun':'06', 'Jul':'07','Aug':'08',
     'Sep':'09', 'Oct':'10', 'Nov':'11', 'Dec':'12'}

df["date1"] = df["date"].str.extract(r'([A-Za-z]+)', expand=False).map(d)

或者使用%b将值转换为日期时间，以匹配月份，并使用Series.dt.strftime转换为字符串：

df["date2"] = pd.to_datetime(df["date"].str.extract(r'([A-Za-z]+)', expand=False), 
                             format='%b', errors='coerce').dt.strftime('%m')
print (df)
     date date1 date2
0     Oct    10    10
1     Jun    06    06
2  15-Oct    10    10
3  27-Nov    11    11
4  26-Sep    09    09

如果需要整数：

print (df)
     date
0    Ocyt
1     Jun
2  15-Oct
3  27-Nov
4  26-Sep

df["date2"] = (pd.to_datetime(df["date"].str.extract(r'([A-Za-z]+)', expand=False), 
                              format='%b', errors='coerce')
                 .dt.month.astype('Int64'))
print (df)
     date  date2
0    Ocyt   <NA>
1     Jun      6
2  15-Oct     10
3  27-Nov     11
4  26-Sep      9

您可以在'-'上拆分列，并保留最后一部分：

>>> pd.to_datetime(df['date'].str.split('-').str[-1], format='%b', errors='coerce').dt.month
0    10
1     6
2    10
3    11
4     9
Name: date, dtype: int32

如果您的区域设置不是英语，您可以用途：

import locale

locale.setlocale(locale.LC_TIME, 'C')