如何将多种日期格式统一为datetime类型并格式化为dd/mm/yyyy？

开发者阿泽

2026-7-14

解决混合类型日期列的转换与格式化问题

核心逻辑

你的StartDate列混合了带单引号的字符串日期和原生datetime对象，直接调用pd.to_datetime()会因类型不统一导致原生datetime被解析为NaT。我们需要先区分两种类型分别处理，再统一格式。

具体操作步骤

分别解析不同类型的日期值
用apply遍历列内每个元素，根据类型执行不同的解析逻辑：

字符串类型：先去除首尾的单引号，再转为pandas datetime类型；
原生datetime对象：直接转为pandas兼容的datetime类型。

代码示例：

import pandas as pd
from datetime import datetime

def parse_mixed_dates(val):
    if isinstance(val, str):
        # 移除字符串首尾的单引号
        clean_date_str = val.strip("'")
        return pd.to_datetime(clean_date_str, format='%d/%m/%Y')
    elif isinstance(val, datetime):
        # 将原生datetime转为pandas datetime类型
        return pd.to_datetime(val)
    else:
        return pd.NaT

df['StartDate'] = df['StartDate'].apply(parse_mixed_dates)

格式化为dd/mm/yyyy格式（可选）
如果需要将datetime类型列转换为dd/mm/yyyy格式的字符串，使用dt.strftime()方法：
```
df['StartDate_Formatted'] = df['StartDate'].dt.strftime('%d/%m/%Y')
```