将含多格式日期的DataFrame列转换为datetime类型

核心自动识别方案 #

直接使用pandas的pd.to_datetime()并启用混合格式识别，这是适配多格式日期最便捷的方式，能覆盖你提到的所有格式：

import pandas as pd

# 替换成你的DataFrame名称和日期列名
df['date_col'] = pd.to_datetime(df['date_col'], format='mixed', errors='coerce')

• format='mixed'：让pandas自动检测每行日期的格式，完美兼容YYYY-MM-DD、YYYY.MM.DD、YYYY Month DD这类格式
• errors='coerce'：将无法识别的无效日期转为NaT（缺失值），便于后续排查处理

手动兜底处理异常值 #

如果仍有部分日期转换失败，可以手动列出所有可能的格式，让pandas逐一尝试匹配：

# 枚举所有可能的日期格式
possible_formats = [
    '%Y-%m-%d',
    '%Y.%m.%d',
    '%Y %B %d'  # 对应'1968 October 26'这类带月份全称的格式
]

# 仅对未转换成功的行（NaT值）尝试不同格式
for fmt in possible_formats:
    mask = pd.isna(df['date_col'])
    df.loc[mask, 'date_col'] = pd.to_datetime(df.loc[mask, 'date_col'], format=fmt, errors='ignore')

验证转换结果 #

转换完成后，用以下代码确认效果：

# 查看列的数据类型，应为datetime64
print(df['date_col'].dtype)
# 统计转换失败的数量（即NaT的个数）
print(df['date_col'].isna().sum())
# 随机抽查部分转换结果
print(df['date_col'].sample(5))

注意事项 #

• 确保pandas版本在2.0及以上，format='mixed'才支持；版本过低的话先升级：pip install --upgrade pandas
• 若日期字符串含多余符号（比如括号、空格），可以先用str.replace()清洗后再转换，例如df['date_col'] = df['date_col'].str.replace(r'[()]+', '', regex=True)

内容的提问来源于stack exchange，提问作者Rohit Pawar