如何将Pandas DataFrame中dd-mmm-yyyy（object）转为dd-mm-yyyy（datetime64）

核心说明 #

datetime64类型本质存储的是时间戳，并非可视化的显示格式。我们需要先把原始的字符串格式（dd-mmm-yyyy）解析为datetime类型，再设置显示规则让它以dd-mm-yyyy样式展示，同时保留datetime64的数据类型属性。

具体实现步骤 #

1. 解析字符串列为datetime类型
   使用pd.to_datetime()方法，指定format='%d-%b-%Y'精准匹配原始格式（%d代表两位日期，%b代表三位英文月份缩写，%Y代表四位年份），避免自动解析可能出现的偏差。如果存在无效日期，可通过errors='coerce'将其转为NaT（缺失时间值）。

   示例代码：

   import pandas as pd
   
   # 构造示例数据
   df = pd.DataFrame({'order_date': ['25-Oct-2021', '12-Jan-2022', '03-Mar-2020', 'wrong-date']})
   
   # 解析为datetime64类型，处理无效日期
   df['order_date'] = pd.to_datetime(df['order_date'], format='%d-%b-%Y', errors='coerce')
   
   # 验证数据类型
   print("转换后列数据类型：", df['order_date'].dtype)
   

2. 设置显示格式为dd-mm-yyyy
   由于datetime64本身不存储显示格式，我们可以通过设置Pandas全局显示选项，让日期以dd-mm-yyyy的格式展示：

   # 设置全局日期显示格式
   pd.options.display.date_format = '%d-%m-%Y'
   
   # 查看转换后的列
   print(df['order_date'])
   

额外提示 #

• 如果原始数据中的月份缩写是中文（比如“十月”），需要配合对应语言环境调整format参数，或者直接依赖pd.to_datetime()的自动解析能力（可能需指定locale）。
• 若一定要将日期以字符串形式存储为dd-mm-yyyy（此时数据类型会变回object），可使用df['order_date'].dt.strftime('%d-%m-%Y')，但这样会丢失datetime类型自带的时间运算、排序等能力。

内容的提问来源于stack exchange，提问作者Dan