如何将DataFrame中不同格式的日期统一转换为YYYY-MM-DD格式？

你的问题出在pd.to_datetime默认的格式推断逻辑：它会把2/1/2023这类斜杠分隔的日期识别为月/日/年，所以错误地当成了2023年2月1日。结合你明确的日期规则（所有日期都是2023年1月，只有两种日/月/年格式），可以用以下两种可靠方法解决：

方法一：使用dayfirst参数强制优先识别日 #

设置dayfirst=True后，pandas会优先把日期字符串的第一个数字当作日，适配你两种格式的统一逻辑：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({
    'ID': [1,2,3,4,5],
    'Date': ['1/1/2023', '2/1/2023', '2/1/2023', '31-01-2023', '31-01-2023']
})

df['Date'] = pd.to_datetime(df['Date'], dayfirst=True)

转换后Date列会是datetime64类型，默认显示为YYYY-MM-DD格式。如果需要字符串类型的日期，追加.dt.strftime('%Y-%m-%d')即可：

df['Date'] = pd.to_datetime(df['Date'], dayfirst=True).dt.strftime('%Y-%m-%d')

方法二：明确指定两种日期格式（更严谨） #

针对你给出的两种固定格式，直接用格式列表让pandas精准匹配（需要pandas 1.5.0及以上版本支持）：

df['Date'] = pd.to_datetime(df['Date'], format=['%d/%m/%Y', '%d-%m-%Y'])
# 转字符串格式的话：
# df['Date'] = pd.to_datetime(df['Date'], format=['%d/%m/%Y', '%d-%m-%Y']).dt.strftime('%Y-%m-%d')

这种方式完全避免推断误差，因为你已经明确了所有可能的日期格式。

验证结果 #

执行后df['Date']的输出应为：

0    2023-01-01
1    2023-01-02
2    2023-01-02
3    2023-01-31
4    2023-01-31
Name: Date, dtype: datetime64[ns]

内容的提问来源于stack exchange，提问作者SM079