如何将Pandas DataFrame中混合格式的Datetime列统一为指定格式

针对你100万行数据的场景，推荐用Pandas的矢量化操作高效处理，避免循环带来的性能损耗，具体逻辑如下：

核心思路 #

1. 分别用两种目标格式尝试解析datetimes列，解析失败的行会被标记为NaT（Not a Time）
2. 将两次解析的结果合并，补全彼此的缺失值
3. 把统一后的日期时间序列格式化为YYYY-MM-DD字符串

代码实现 #

import pandas as pd

# 假设你的DataFrame名为df
# 第一步：用两种格式分别解析
format1 = "%Y-%m-%d %H:%M:%S"  # 年-月-日 时分秒格式
format2 = "%Y-%d-%m %H:%M:%S"  # 年-日-月 时分秒格式

parsed1 = pd.to_datetime(df['datetimes'], format=format1, errors='coerce')
parsed2 = pd.to_datetime(df['datetimes'], format=format2, errors='coerce')

# 第二步：合并解析结果，补全缺失值
df['datetime_unified'] = parsed1.combine_first(parsed2)

# 第三步：格式化为目标字符串格式
df['date_formatted'] = df['datetime_unified'].dt.strftime('%Y-%m-%d')

# 可选：如果不需要保留原列和中间列，可直接替换原列
# df['datetimes'] = df['datetime_unified'].dt.strftime('%Y-%m-%d')
# df.drop(columns=['datetime_unified'], inplace=True)

关键细节说明 #

• errors='coerce'：让解析失败的行返回NaT而非抛出错误，确保两次解析能覆盖所有有效行
• combine_first()：优先取parsed1的有效值，parsed1为NaT的行则用parsed2的值，完美合并两种格式的解析结果
• 矢量化操作：整个过程是Pandas批量处理，处理100万行数据的速度远快于逐行循环判断

内容的提问来源于stack exchange，提问作者span_path