Pandas中统一时间戳格式及截取标准日期时间的技术咨询

我来帮你搞定这个日期格式统一的问题！先说说为什么你之前的替换没起效，再给你两种实用的解决方案，其中第二种是更专业的推荐做法～

你目标要替换的是"00:00:00.+00"，但你写的匹配字符串是"00:00:00+00"——漏掉了小数点！而且小数点在正则表达式里是特殊字符，需要转义才能准确匹配。这就是为什么替换没反应也没报错的原因。

调整正则表达式，把小数点转义后再匹配，就能成功替换了：

# 精准匹配"00:00:00.+00"并替换为标准格式
df['time'] = df['time'].replace(r"00:00:00\.\+00", "00:00:00.000000+00", regex=True)

替换完成后，再运行你写的截取函数，就能得到统一的"2011-01-11 00:00:00"格式：

def strip_n_chars(df, col, n):
    df[col] = df[col].str[:-n]

strip_n_chars(df, 'time', 10)

其实处理日期字符串，最稳妥的方式是用Pandas内置的日期解析工具，它能自动兼容多种格式，还能把日期转成结构化的datetime类型，后续操作更方便：

# 第一步：把所有日期字符串解析为datetime对象
df['time'] = pd.to_datetime(df['time'], errors='coerce')  # errors='coerce'会把解析失败的转为NaT，按需选择

# 第二步：直接格式化为你想要的"YYYY-MM-DD HH:MM:SS"字符串
df['time'] = df['time'].dt.strftime("%Y-%m-%d %H:%M:%S")

这种方法的优势很明显：

• 容错性强：不管原始日期有没有微秒、时区格式的小差异，pd.to_datetime()都能自动识别，不用反复调整正则。
• 扩展性好：解析后的datetime类型支持各种日期操作（比如筛选某月的数据、计算时间差），比纯字符串灵活太多。

内容的提问来源于stack exchange，提问作者Kat Cow