如何拆分DataFrame列多值单元格并将整列转换为日期类型？

问题根源 #

你之前的代码错误地用str.replace(' ', '')去掉了所有空格，包括单值日期「2020-07-16 00:00:00」中的日期与时间分隔空格，导致该字符串变成非法格式，后续处理时被识别为无效值转为NaN。

正确步骤 #

我们需要保留单值日期的空格，仅清理多值中逗号后的空格，再拆分、展开单元格，最后统一转换为日期类型：

1. 清理并拆分日期：只移除逗号后面的空格（而非所有空格），再按逗号拆分单元格为列表
2. 展开列表单元格：用explode将列表中的每个日期单独占一行
3. 转换为日期类型：利用pd.to_datetime自动识别两种日期格式，同时处理可能的无效值

完整代码 #

import pandas as pd

# 示例数据（可替换为你的真实数据）
data = {
    "Event Date": ["2020-07-16 00:00:00", "31/03/2022, 26/11/2018, 31/01/2028", "2021-05-20 12:30:00"]
}
df = pd.DataFrame(data)

# 1. 仅清理逗号后的空格，再拆分单元格
df["Event Date"] = df["Event Date"].str.replace(', ', ',')
df["Event Date"] = df["Event Date"].str.split(',')

# 2. 展开列表单元格，重置索引保证行号连续
df = df.explode("Event Date", ignore_index=True)

# 3. 自动识别两种日期格式，转换为日期类型
df["Event Date"] = pd.to_datetime(df["Event Date"], errors='coerce')

print(df)

代码说明 #

• str.replace(', ', ',')：只清理多值中逗号后的空格，避免破坏单值日期的格式
• explode(ignore_index=True)：展开列表后重置索引，防止行号混乱
• pd.to_datetime(..., errors='coerce')：自动识别yyyy-mm-dd hh:mm:ss和dd/mm/yyyy两种格式，将无效值转为NaN（可根据需求调整errors参数）

运行结果 #

Event Date
0 2020-07-16
1 2022-03-31
2 2018-11-26
3 2028-01-31
4 2021-05-20

内容的提问来源于stack exchange，提问作者lostcoder