Pandas读取CSV日期格式异常，如何统一为DD-MM-YYYY？

我的DataFrame中日期列存在两种格式：MM/DD/YY、mm/dd/yy，CSV文件最后5行的日期示例（MM/DD/YYYY格式）为：01/08/2018、01/05/2018、01/04/2018、01/03/2018、01/02/2018。使用代码df['Trade Date']= pd.to_datetime(df['Trade Date'],dayfirst=True)后，Pandas将部分日期识别为YYYY-DD-MM格式（如2018-08-01等）。尝试过解析、指定格式等方法均无效，希望将所有日期统一为DD-MM-YYYY格式，请问问题出在哪以及如何解决？

问题根源 #

• dayfirst=True参数用反了：你的原始日期是「月/日/年」（MM/DD/YYYY）格式，但dayfirst=True会让Pandas把日期的第一部分解析为日、第二部分解析为月。比如01/08/2018会被当成「2018年8月1日」，完全不符合你的原始逻辑。
• 混合格式干扰自动解析：列内同时存在MM/DD/YY和MM/DD/YYYY两种格式，Pandas的自动推断逻辑容易出现歧义，导致部分日期解析错误。

解决步骤 #

1. 正确解析为datetime类型 #

放弃dayfirst=True，根据你的原始日期格式，用以下两种方式解析：

• 指定格式（推荐，解析速度快）：直接告诉Pandas日期是「月/日/年」格式，兼容两位数和四位数年份：

df['Trade Date'] = pd.to_datetime(df['Trade Date'], format='%m/%d/%Y', errors='coerce')

• 智能推断（适合格式灵活的场景）：让Pandas自动识别日期规律，无需手动指定格式：

df['Trade Date'] = pd.to_datetime(df['Trade Date'], infer_datetime_format=True, errors='coerce')

其中errors='coerce'会把解析失败的日期转为NaT，方便后续排查异常数据。

2. 转换为DD-MM-YYYY格式 #

解析后的日期是datetime类型，要输出成「日-月-年」的字符串格式，使用dt.strftime()方法：

# 直接覆盖原列（转为字符串类型）
df['Trade Date'] = df['Trade Date'].dt.strftime('%d-%m-%Y')

# 或者新增列保留原datetime类型（推荐用于后续时间运算）
df['Formatted Trade Date'] = df['Trade Date'].dt.strftime('%d-%m-%Y')

3. 验证结果 #

执行代码后，用df.tail()查看最后5行，确认日期是否变为08-01-2018、05-01-2018等正确格式。

内容的提问来源于stack exchange，提问作者Imtiaz Sattar