如何格式化DataFrame中不同格式的时间字符串列表为统一格式

方法一：正则表达式替换 #

针对单个数字的小时和分钟补前导零，直接通过正则匹配替换完成格式化：

import pandas as pd
import re

time = ["1:5 am", "1:35 am", "8:1 am", "9:14 am", "14:23 pm", "20:2 pm"]
df = pd.DataFrame({'time': time})

# 给开头单个数字的小时补前导零
df['formatted_time'] = df['time'].str.replace(r'^(\d):', r'0\1:', regex=True)
# 给冒号后单个数字的分钟补前导零
df['formatted_time'] = df['formatted_time'].str.replace(r':(\d) ', r':0\1 ', regex=True)

# 输出结果
print(df['formatted_time'].tolist())

输出结果：

["01:05 am", "01:35 am", "08:01 am", "09:14 am", "14:23 pm", "20:02 pm"]

方法二：利用pandas时间解析函数 #

通过将字符串解析为时间对象，再按指定格式输出，这种方式更稳健，能兼容更多时间格式：

import pandas as pd

time = ["1:5 am", "1:35 am", "8:1 am", "9:14 am", "14:23 pm", "20:2 pm"]
df = pd.DataFrame({'time': time})

# 解析时间字符串为datetime对象，再格式化为目标格式
df['formatted_time'] = pd.to_datetime(df['time'], format='%H:%M %p').dt.strftime('%H:%M %p').str.lower()

# 输出结果
print(df['formatted_time'].tolist())

输出结果与方法一一致。

两种方法对比：

• 正则法：轻量快速，适合固定格式的简单补零场景，但对异常格式容错性差。
• 时间解析法：通用性强，能自动处理多种时间格式转换，但依赖pandas的时间解析逻辑，对不符合规范的时间字符串（如14:23 pm这种24小时制加pm的写法）需确保解析器能兼容。

内容的提问来源于stack exchange，提问作者anandyn02