Pandas DataFrame日期格式转换失效：指定格式不生效问题排查

你遇到的核心问题是混淆了「日期解析」和「日期格式化」两个独立步骤：

• pd.to_datetime的作用是把字符串解析为pandas的Timestamp（日期时间数据类型），而非直接输出格式化后的字符串。
• 当你将DataFrame转为字典(to_dict(orient='records'))时，Timestamp对象会被自动序列化为ISO标准格式的字符串，这就是为什么无论你尝试哪种format参数，最终输出都是YYYY-MM-DDTHH:MM:SS格式。
• 另外你注释掉的format参数均未启用，且输入日期格式不统一（包含.、/、-、,等分隔符），指定单一format会导致大量日期解析失败，这也是你之前只能用无参pd.to_datetime的原因。

要实现「解析任意格式日期 → 转为指定格式字符串 → 替换缺失值」的流程，需要在解析后添加格式化字符串的步骤，具体修改如下：

修改后的代码 #

# Date Formatting
from dateutil.parser import parse
import pandas as pd
import logging

def date_fun(dfd, date_inputs):
    try:
        col_name = date_inputs["DateColumn"]
        replace_date = date_inputs["ReplaceValue"]
        # 新增：让用户指定目标格式，默认带时间的日/月/年格式
        target_format = date_inputs.get("TargetFormat", "%d/%m/%Y %H:%M")

        date_col = dfd[col_name]

        # 1. 解析日期：自动推断多格式输入，无效值转为NaT
        parsed_dates = pd.to_datetime(date_col, errors='coerce', infer_datetime_format=True)
        
        # 2. 格式化日期：把Timestamp转成指定格式的字符串，NaT会转为NaN
        formatted_dates = parsed_dates.dt.strftime(target_format)
        
        # 3. 替换缺失/无效值
        if replace_date is not None:
            formatted_dates = formatted_dates.fillna(replace_date)
        
        # 4. 替换原列
        dfd[col_name] = formatted_dates

        # 转字典返回
        result_dict = dfd.to_dict(orient='records')
        return result_dict
    except Exception as e:
        logging.error(f"An error occurred while performing the operation: {e}")

关键修改点说明 #

• 新增TargetFormat参数：让函数可以接收用户指定的目标格式（比如%d/%m/%Y、%Y-%m-%d等），灵活适配需求。
• 拆分解析和格式化：先用pd.to_datetime解析为Timestamp，再用dt.strftime()转为指定格式的字符串。
• 适配多格式输入：使用infer_datetime_format=True让pandas自动推断输入日期格式，解决你输入格式不统一的问题。

测试示例 #

如果调用函数时传入TargetFormat="%d/%m/%Y"，你的输入数据会被转为：

25/09/2019
16/09/2015
10/12/2017
01/02/2008
23/01/1992

若需要保留时间，指定TargetFormat="%d/%m/%Y %H:%M"即可得到带时间的格式化字符串。

• 如果replace_date是日期字符串，要确保它的格式和TargetFormat一致，避免输出格式混乱。
• 若某些特殊格式pandas无法自动推断，可以用dateutil.parser.parse自定义解析逻辑：

  def custom_parse(date_str):
      try:
          return parse(date_str, fuzzy=True)  # 忽略非日期字符，适配更复杂格式
      except:
          return pd.NaT
  parsed_dates = date_col.apply(custom_parse)
  

内容的提问来源于stack exchange，提问作者Apoorva