如何将含日期字符串列表的DataFrame列转换为纯日期格式？

核心解决方案（矢量化高效版） #

针对你的需求，我们可以用正则提取+日期转换的矢量化操作一步完成所有处理，比逐行apply效率更高，鲁棒性也更强：

import pandas as pd

# 示例数据初始化
data = [[1, ["2019-08-02 08:30:56"]], [2, ["2020-08-02 08:30:56"]]]
df = pd.DataFrame(data, columns=["items", "dates"])
df["dates"] = df["dates"].astype(str)

# 一步完成：去列表括号+转日期格式+去除时间戳
df["dates"] = pd.to_datetime(df["dates"].str.extract(r"'(.*?)'", expand=False)).dt.date.astype(str)

执行后得到的结果就是你需要的目标数据集：

items       dates
0      1  2019-08-02
1      2  2020-08-02

代码细节解释 #

1. str.extract(r"'(.*?)'", expand=False)
   用正则表达式精准提取单引号包裹的日期时间字符串，直接去掉了列表的方括号和单引号，得到纯"2019-08-02 08:30:56"格式的字符串。这种方法比x[1:-1]更鲁棒——即使后续列表字符串格式有微小变化（比如多空格），正则也能稳定提取内容。

2. pd.to_datetime(...)
   将提取到的字符串转换为Pandas的datetime类型，为后续截取日期做准备。

3. .dt.date.astype(str)
   从datetime对象中提取纯日期部分，再转换为字符串类型，最终得到YYYY-MM-DD格式的日期。

备选方案（兼容多元素列表场景） #

如果你的dates列可能存在包含多个日期的列表字符串（比如['2019-08-02','2019-08-03']），可以先把字符串转回列表再处理：

from ast import literal_eval

df["dates"] = pd.to_datetime(df["dates"].apply(literal_eval).str[0]).dt.date.astype(str)

这里literal_eval会把字符串化的列表转回真正的列表对象，str[0]取第一个日期元素，后续步骤和之前一致。不过这种方法是逐行处理，数据量大时效率不如矢量化的正则提取。

对比原方法的优势 #

你原来的lambda x: x[1:-1]只能简单截取字符串首尾，但：

• 无法处理列表字符串格式异常的情况（比如首尾有空格）；
• 后续还需要单独做日期转换和时间戳去除，步骤繁琐；
• 逐行apply的效率远低于Pandas的矢量化字符串操作。

内容的提问来源于stack exchange，提问作者user