如何用Python和Pandas将DataFrame中数字日期转为2019-11-10格式

问题原因 #

你之前用pd.to_datetime(df.date)出错，是因为pandas默认把数字类型的输入当成Unix时间戳（毫秒级）解析，20191028被识别为从1970-01-01开始的毫秒数，所以得到了错误的1970年日期。

解决方案 #

针对数字格式的日期（如20191110），需要明确告诉pandas日期的格式，以下是几种高效处理方式：

1. 直接指定日期格式（推荐） #

利用format参数指定输入的日期格式为%Y%m%d（4位年+2位月+2位日），无需转换类型，效率更高：

df['date'] = pd.to_datetime(df['date'], format='%Y%m%d')

2. 先转字符串再解析 #

如果担心数字格式有异常（比如带小数），可以先把列转成字符串再解析：

df['date'] = pd.to_datetime(df['date'].astype(str), format='%Y%m%d')

3. 处理无效值 #

如果列中存在不符合%Y%m%d格式的内容，可以添加errors='coerce'参数，将无效值转为NaT（缺失日期），方便后续清洗：

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

内容的提问来源于stack exchange，提问作者lis