如何在Pandas DataFrame中将多格式日期转换为统一日期格式

首先，咱们先拆解下你遇到的错误：AttributeError: 'str' object has no attribute 'strftime'，这是因为你直接对字符串类型的日期调用了strftime方法——这个方法是datetime对象专属的，字符串本身根本没有这个属性，自然会报错。另外，你的代码还没处理每个单元格里多个日期用逗号分隔的情况，也没考虑到那个字符串形式的'NaN'，咱们一步步来修正。

解决方案步骤 #

1. 把每个单元格的字符串按逗号分割成单独的日期片段；
2. 对每个日期片段，用dateutil.parser.parse解析成datetime对象，再转成YYYY-MM-DD的统一格式；
3. 处理空值/无效值（比如字符串'NaN'）；
4. 把处理后的日期片段重新拼接成字符串，存入新列。

完整可运行代码 #

import pandas as pd
import dateutil.parser

# 初始化数据，把字符串'NaN'替换成真正的pd.NA，更符合Pandas规范
data = {'Date':['March 13, 2020, March 13, 2020', 
                '3.9.2021, 3.9.2021, 03.09.2021, 3. September 2021', 
                pd.NA, 
                'May 20, 2022, May 21, 2022']}

# 创建DataFrame
df = pd.DataFrame(data)

# 定义批量格式化日期的函数
def format_multiple_dates(date_str):
    # 处理缺失值情况
    if pd.isna(date_str):
        return pd.NA
    
    # 分割日期字符串，去掉每个日期前后的空格
    individual_dates = [d.strip() for d in date_str.split(',')]
    formatted_list = []
    
    for single_date in individual_dates:
        try:
            # 解析任意格式的日期字符串为datetime对象
            # 如果需要按"月.日.年"解析，可添加参数dayfirst=False
            parsed_dt = dateutil.parser.parse(single_date)
            # 转成YYYY-MM-DD格式
            formatted_dt = parsed_dt.strftime('%Y-%m-%d')
            formatted_list.append(formatted_dt)
        except Exception as e:
            # 如果遇到无法解析的日期，保留原字符串（可选：也可以返回pd.NA）
            formatted_list.append(single_date)
    
    # 把格式化后的日期拼接回字符串
    return ', '.join(formatted_list)

# 应用函数到Date列，生成新列
df["DateFormatted"] = df["Date"].apply(format_multiple_dates)

# 查看结果
print(df)

运行结果说明 #

执行后你会得到和期望一致的输出：

（注：dateutil.parser默认把.分隔的日期按日.月.年解析，如果你需要按月.日.年处理，修改解析代码为parsed_dt = dateutil.parser.parse(single_date, dayfirst=False)即可）

内容的提问来源于stack exchange，提问作者Aniiya0978