如何用Pandas结合np.where转换DataFrame中日期格式（%d-%m-%y→%y-%m-%d）

你的原代码存在两个关键问题：一是np.where的第一个参数需要布尔条件而非元组，二是strptime的格式参数与待解析日期格式不匹配。以下是几种实用的实现方案：

方案1：直接用pandas内置函数（推荐） #

如果所有日期都是%d-%m-%y格式，直接用pd.to_datetime解析后再转换为目标格式最简洁：

import pandas as pd

# 假设df已从CSV导入
df['date'] = pd.to_datetime(df['date'], format='%d-%m-%y').dt.strftime('%y-%m-%d')

• pd.to_datetime(df['date'], format='%d-%m-%y')：将%d-%m-%y格式的字符串解析为datetime对象
• .dt.strftime('%y-%m-%d')：将datetime对象转换为%y-%m-%d格式的字符串

如果需要保留datetime类型而非字符串，去掉.dt.strftime('%y-%m-%d')即可。

方案2：处理混合格式场景（类似你想要的np.where逻辑） #

如果数据中存在多种日期格式，仅转换%d-%m-%y格式的日期，其余保持原样：

import pandas as pd
import numpy as np

# 用正则匹配%d-%m-%y格式的日期（比如"05-08-24"）
mask = df['date'].str.match(r'^\d{2}-\d{2}-\d{2}$')

df['date'] = np.where(
    mask,
    pd.to_datetime(df['date'], format='%d-%m-%y').dt.strftime('%y-%m-%d'),
    df['date']
)

• mask是布尔数组，标记哪些日期需要转换
• np.where根据mask选择转换后的值或原日期

处理格式错误的情况 #

如果存在无法解析的日期字符串，可添加errors='coerce'将其转为NaT（缺失值），方便后续处理：

df['date'] = pd.to_datetime(df['date'], format='%d-%m-%y', errors='coerce').dt.strftime('%y-%m-%d')

内容的提问来源于stack exchange，提问作者user19774705