优化DataFrame日期行值编辑替换，转为m/yy格式

我有一个包含datetime格式数据的DataFrame，输入数据如下：

import pandas as pd
data = pd.DataFrame({
    'A': ['abc','bcd'], 
    'B': [pd.to_datetime('1/1/18 0:00'), 'apples'], 
    'C': [pd.to_datetime('1/2/18 0:00'),'mangoes'], 
    'D': [pd.to_datetime('1/3/18 0:00'),'orange'],
    'E': [pd.to_datetime('1/4/18 0:00'),'plantain'],
    'F': [pd.to_datetime('1/5/18 0:00'),'plantain'],
    'G': [pd.to_datetime('1/6/18 0:00'),'red'],
    'H': [pd.to_datetime('1/2/18 0:00'),'green']
})

（注：用pd.to_datetime展示输入文件中的日期格式）

我的目标是将第一行的日期从1/1/18（m-d-yy）格式转换为1/18（m/yy）格式的字符串，替代原有数据。我尝试过手动赋值的方法：

data.loc[0,['B']]='1-2018'
data.loc[0,['C']]='2-2018'
data.loc[0,['D']]='3-2018'
...

这种方法可行但代码冗余，若日期跨度达3-4年，手动编写所有月份和年份会非常繁琐。请问是否有更优方案？

无需手动赋值或循环，直接利用pandas的dt.strftime()方法即可批量处理日期格式转换，高效且简洁：

核心思路 #

针对第一行的datetime类型数据，直接调用dt.strftime()方法指定目标格式，批量替换原数据，不会影响其他行的字符串内容。

代码实现 #

# 筛选需要处理的列（从B到H列）
target_cols = data.columns[1:]

# 批量转换日期格式为m/yy（%m输出两位月份，如01/18）
data.loc[0, target_cols] = data.loc[0, target_cols].dt.strftime('%m/%y')

# 若需要输出一位月份（如1/18），根据操作系统调整格式：
# Linux/macOS 用：
# data.loc[0, target_cols] = data.loc[0, target_cols].dt.strftime('%-m/%y')
# Windows 用：
# data.loc[0, target_cols] = data.loc[0, target_cols].dt.strftime('%#m/%y')

执行结果 #

转换后第一行的日期会被统一格式化为目标字符串，第二行的文本数据保持不变：

A     B      C      D      E      F      G      H
0  abc  01/18  02/18  03/18  04/18  05/18  06/18  02/18
1  bcd  apples mangoes orange plantain plantain    red  green

补充说明 #

• dt.strftime()是pandas专为datetime类型数据设计的格式化方法，支持所有标准的日期格式符，完全覆盖各种日期转换需求
• 该方法只会对datetime类型的数据生效，混合类型列中的字符串内容不会被修改，完美适配你的DataFrame场景

内容的提问来源于stack exchange，提问作者John