如何用Python-Pandas将多格式emp_date列转为DD-MM-YYYY格式？

现有代码的问题 #

• 第一段代码指定了固定格式%d-%m-%Y，无法解析其他格式（如mm/dd/yyyy、带时间戳的记录），直接抛出错误。
• 第二段代码逻辑冗余：先用pd.to_datetime转成datetime对象，又转成字符串再重新解析，且如果pd.to_datetime返回NaT（无效值），strftime会直接报错。

可行解决方案 #

下面的步骤可以处理多种日期格式、空值/空格、带时间戳的记录，统一输出DD-MM-YYYY格式：

步骤1：预处理数据（去除空格、转换空字符串）

先清理列中的前后空格，把空字符串转为pandas缺失值，避免解析失败：

import pandas as pd

# 读取CSV文件
df = pd.read_csv('your_input.csv')
target_col = 'Previous Employment Start Date'

# 去除字符串前后空格，空字符串转为pd.NA
df[target_col] = df[target_col].str.strip().replace('', pd.NA)

步骤2：自动解析多格式日期

利用pd.to_datetime的自动识别能力，配合errors='coerce'将无效值转为NaT（Not a Time，对应日期类型的缺失值）：

# 自动解析所有常见日期格式，无效值转为NaT
df['cleaned_datetime'] = pd.to_datetime(df[target_col], errors='coerce')

如果存在日期歧义（比如01-02-2023既可能是dd-mm-yyyy也可能是mm-dd-yyyy），可以按业务规则优先解析：

def parse_with_priority(val):
    if pd.isna(val):
        return pd.NaT
    # 优先尝试dd-mm-yyyy格式
    try:
        return pd.to_datetime(val, format='%d-%m-%Y')
    except ValueError:
        # 失败则尝试mm-dd-yyyy格式
        try:
            return pd.to_datetime(val, format='%m-%d-%Y')
        except ValueError:
            # 最后自动识别其他格式（如带时间戳的记录）
            return pd.to_datetime(val, errors='coerce')

df['cleaned_datetime'] = df[target_col].apply(parse_with_priority)

步骤3：转换为DD-MM-YYYY格式字符串

将解析后的datetime对象转为指定格式的字符串，同时处理缺失值：

# 转换为DD-MM-YYYY格式，NaT转为空字符串（可根据需求改为保留NaT）
df['formatted_date'] = df['cleaned_datetime'].dt.strftime('%d-%m-%Y').fillna('')

# 如果需要覆盖原列
# df[target_col] = df['formatted_date']

关键说明 #

• pd.to_datetime默认会尝试解析绝大多数常见日期格式，包括带时间戳的记录（如mm/dd/yyyy HH:MM:SS）。
• errors='coerce'确保程序不会因无效值崩溃，而是将其标记为缺失值。
• dt.strftime('%d-%m-%Y')仅对有效datetime对象生效，fillna('')可以将缺失值转为空字符串，方便后续导出或使用。

内容的提问来源于stack exchange，提问作者Anonymous