Google Colab中CSV日期列格式统一问题求助

问题原因分析 #

1. 格式不匹配报错：你编写的转换函数仅指定了%m/%d/%y（斜杠分隔、两位年份）的格式，但数据中存在另一种%m-%d-%Y（连字符分隔、四位年份）的日期格式，导致解析失败。另外代码中存在拼写错误：purhcase_date应为purchase_date。
2. "'Series' object has no attribute 'year'"报错：你直接对未转换为datetime类型的object列调用year属性，只有datetime64类型的列才能通过.dt.year访问年份。

解决方案 #

方法一：使用pandas内置函数自动识别（推荐）

pandas的pd.to_datetime可以自动识别多种常见日期格式，无需手动处理每种格式：

import pandas as pd

# 将purchase_date列转换为datetime类型
project_data['purchase_date'] = pd.to_datetime(project_data['purchase_date'], errors='coerce')

# 统一转为目标格式，例如'YYYY-MM-DD'
project_data['formatted_date'] = project_data['purchase_date'].dt.strftime('%Y-%m-%d')

# 如需提取年份，使用.dt.year
project_data['year'] = project_data['purchase_date'].dt.year

• errors='coerce'：将无法识别的无效日期转为NaT（缺失值），便于后续排查处理。

方法二：自定义函数处理两种格式

如果你需要手动控制解析逻辑，可以通过异常捕获处理两种格式：

import datetime

def parse_date(x):
    try:
        # 尝试解析斜杠分隔的格式（如8/21/2013）
        return datetime.datetime.strptime(x, '%m/%d/%Y')
    except ValueError:
        # 失败则解析连字符分隔的格式（如09-04-2012）
        return datetime.datetime.strptime(x, '%m-%d-%Y')

# 注意修正拼写错误：purhcase_date → purchase_date
project_data['new_'] = project_data['purchase_date'].apply(parse_date)

# 提取年份
project_data['year'] = project_data['new_'].dt.year

内容的提问来源于stack exchange，提问作者Prateek Kumar Agarwal