如何在含NaN的Pandas DataFrame中统一日期格式

嘿，我来给你分享几个比自定义函数更简洁高效的方案，完美解决你的日期格式化+处理空值的需求：

方案1：向量化操作一步到位（推荐） #

这是最省心的方法，利用Pandas的向量化特性，不用写循环或自定义函数，效率还高：

import pandas as pd
import numpy as np

# 模拟你的原始数据
df = pd.DataFrame({
    'dates': [np.nan, '2021-12-09T22:00:10Z', np.nan, '2018-12-31 00:00:00', '2021-12-09T22:00:10Z']
})

# 核心代码
df['dates'] = pd.to_datetime(df['dates'], errors='coerce').dt.strftime('%Y-%m-%d %H:%M:%S')

为什么这个方案能解决你的问题？ #

• pd.to_datetime(..., errors='coerce')会把所有无法解析为日期的值（包括原生NaN、字符串型的"nan"/"None"/"null"等）统一转成NaT（时间类型的空值）
• .dt.strftime()处理NaT时会自动返回NaN，完全符合你保留空值的需求
• 向量化操作比apply快得多，数据量越大优势越明显

方案2：针对特殊场景的灵活处理 #

如果你的数据里存在非日期、非空值的字符串（不想被转成NaN），可以用np.where做条件判断：

# 先尝试转日期，无法转的保持原类型
date_series = pd.to_datetime(df['dates'], errors='ignore')

# 只对真正的日期类型做格式化，其他空值保持NaN
df['dates'] = np.where(
    pd.api.types.is_datetime64_any_dtype(date_series),
    date_series.dt.strftime('%Y-%m-%d %H:%M:%S'),
    np.nan
)

为什么你的原始代码出错？ #

你之前用errors='ignore'，导致无法解析的NaN/字符串型空值还是保持原类型（不是datetime），所以调用.dt时会报错。换成errors='coerce'就能把所有无效值转成NaT，这样.dt就能正常处理了。

对比你的自定义函数 #

你的自定义函数需要手动列举各种空值字符串，容易遗漏；而且apply是逐行处理，效率远低于向量化操作。上面的方案既简洁又高效，还能覆盖所有空值场景~

内容的提问来源于stack exchange，提问作者basigow