如何将MM/DD/YYYY格式的Object DataFrame转换为DDMMYYYY格式？

需求说明 #

需将DataFrame里Order_Date列的日期（原格式为MM/DD/YYYY，含时间时先提取纯日期部分）转换为DDMMYYYY格式，最终输出为包含该格式字符串的列表形式。

现有代码 #

import string
import pandas as pd
csv_file = 'export.csv'
df = pd.read_csv(csv_file, index_col=False)

df["Date1"] = df["Order_Date"].str.split(" ").str.get(0)
df["Date"] = df["Date1"].str.split("/")
zz= df["Date"]
print(zz)

当前输出 #

0       [11, 01, 2022]
1       [11, 01, 2022]
2       [11, 01, 2022]
3       [11, 01, 2022]
4       [11, 01, 2022]
             ...      
2768    [11, 22, 2022]
2769    [11, 22, 2022]
2770    [11, 22, 2022]
2771    [11, 22, 2022]
2772    [11, 22, 2022]
Name: Date, Length: 2773, dtype: object

期望输出 #

0       [01112022]
1       [01112022]
2       [01112022]
3       [01112022]
4       [01112022]
             ...      

解决方案 #

方法1：基于现有代码修改

直接对拆分后的日期列表重组拼接，快速得到目标格式：

import string
import pandas as pd
csv_file = 'export.csv'
df = pd.read_csv(csv_file, index_col=False)

df["Date1"] = df["Order_Date"].str.split(" ").str.get(0)
# 拆分后提取日、月、年拼接，再包装为列表
df["Date"] = df["Date1"].str.split("/").apply(lambda x: [x[1] + x[0] + x[2]])
zz = df["Date"]
print(zz)

方法2：使用Pandas日期类型处理（更稳妥）

利用Pandas的日期解析功能，先将字符串转为标准日期类型，再格式化输出，能自动处理日期合法性问题：

import pandas as pd
csv_file = 'export.csv'
df = pd.read_csv(csv_file, index_col=False)

# 提取纯日期部分
df["Date1"] = df["Order_Date"].str.split(" ").str[0]
# 解析为日期类型后格式化为DDMMYYYY，再包装为列表
df["Date"] = pd.to_datetime(df["Date1"], format="%m/%d/%Y").dt.strftime("%d%m%Y").apply(lambda x: [x])
zz = df["Date"]
print(zz)

内容的提问来源于stack exchange，提问作者Marco F