如何在Pandas DataFrame中将不同格式字符串日期转为指定格式

问题分析 #

你之前的代码无效是因为指定的format='%Y-%m-%d'和实际日期格式完全不匹配，导致pd.to_datetime转换失败返回NaT，后续fillna又把原字符串填回了列中，所以没有任何变化。

分步处理两种日期格式 #

我们需要区分纯数字格式（如23309）和字母缩写格式（如23MAR），分别处理后合并结果：

1. 导入依赖库

import pandas as pd
from pandas.tseries.offsets import MonthEnd

2. 处理纯数字日期
   对于23309这类格式，前两位是年份（23→2023），第三位是月份（3→03），最后两位是日期（09），用%y%m%d格式解析：

numeric_dates = pd.to_datetime(df['Date'], format='%y%m%d', errors='coerce')

3. 处理字母缩写日期
   对于23MAR这类格式，前两位是年份，后三位是月份缩写，先解析为当月第一天，再通过MonthEnd偏移量获取当月最后一天：

alpha_dates = pd.to_datetime(df['Date'], format='%y%b', errors='coerce') + MonthEnd(1)

4. 合并结果
   用combine_first优先取纯数字解析的结果，若为NaT则取字母格式解析的结果：

df['Date'] = numeric_dates.combine_first(alpha_dates)

5. 转换为字符串格式（可选）
   如果需要将datetime类型转为yyyy-mm-dd格式的字符串，添加以下代码：

df['Date'] = df['Date'].dt.strftime('%Y-%m-%d')

示例验证 #

假设输入DataFrame为：

df = pd.DataFrame({'Date': ['23MAR', '23309', '24JAN', '24115']})

处理后df['Date']的结果为：

0   2023-03-31
1   2023-03-09
2   2024-01-31
3   2024-01-15
Name: Date, dtype: datetime64[ns]

如果执行了字符串转换步骤，则结果为字符串类型的对应日期。

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