Python Pandas DataFrame日期列格式统一与排序问题

步骤1：解析列标题为datetime对象 #

利用pd.to_datetime()自动识别多种格式的日期字符串，同时处理无效日期（如2022-13-01这类非法月份的输入）：

import pandas as pd

# 将列名转为datetime数组，errors='coerce'会把无效日期转为NaT（Not a Time）
date_cols = pd.to_datetime(out.columns, errors='coerce')

步骤2：统一列标题格式 #

把解析后的datetime对象转换为你需要的统一格式（比如YYYY-MM-DD），非日期列保留原始名称：

# 定义目标日期格式，可根据需求修改为'MM/DD/YYYY'等
target_format = '%Y-%m-%d'

# 生成新列名：有效日期用统一格式，无效/非日期列保留原名
new_columns = [dt.strftime(target_format) if pd.notna(dt) else col 
               for dt, col in zip(date_cols, out.columns)]

# 重命名DataFrame列
out.columns = new_columns

步骤3：按日期排序列 #

分离日期列与非日期列，对日期列进行升序/降序排序后重新排列：

# 区分日期列和非日期列
date_columns = [col for col in out.columns if pd.to_datetime(col, errors='coerce') is not pd.NaT]
non_date_columns = [col for col in out.columns if col not in date_columns]

# 升序排序日期列，降序则添加reverse=True参数
sorted_date_cols = sorted(date_columns, key=lambda x: pd.to_datetime(x))

# 重新排列列（非日期列在前，排序后的日期列在后，可按需调整顺序）
out = out[non_date_columns + sorted_date_cols]

# 降序排序写法：
# sorted_date_cols = sorted(date_columns, key=lambda x: pd.to_datetime(x), reverse=True)

无效日期处理提示 #

像2022-13-01这类非法日期会被转为NaT，对应的列会保留原始名称，你可以根据业务需求选择删除、手动重命名或进一步校验修正。

内容的提问来源于stack exchange，提问作者harry