CSV日期列240行后格式不一致，如何统一为%Y-%m-%d格式？

你的核心需求是将CSV中Date列的两种日期格式统一为%Y-%m-%d（如1880-01-15），其中第240行之后的日期是%d-%m-%y格式（如15-01-00）。以下是修正后的实现代码：

import pandas as pd

# 直接读取原始CSV，无需重复保存再读取
df = pd.read_csv("sea_levels_1880_2015.csv")

# 处理Date列中的逗号分隔（如果原数据存在该情况）
df['Date'] = df['Date'].str.replace(',', '-')

# 针对不同行的日期格式分别转换
# 前240行使用%Y-%m-%d格式，240行及以后使用%d-%m-%y格式
# 两位年份会自动根据数据范围推断世纪（如00对应2000，99对应1999）
df.loc[:239, 'Date'] = pd.to_datetime(df.loc[:239, 'Date'], format='%Y-%m-%d')
df.loc[240:, 'Date'] = pd.to_datetime(df.loc[240:, 'Date'], format='%d-%m-%y')

# 将datetime类型统一格式化为%Y-%m-%d的字符串（若需保留datetime类型可跳过此步）
df['Date'] = df['Date'].dt.strftime('%Y-%m-%d')

# 保存处理后的文件
df.to_csv("sea_lvl_1880_2015_updated.csv", index=False)

# 查看处理结果
print(df)

关键修正说明 #

• 移除了不必要的重复保存/读取操作，直接在原始DataFrame上处理，提升效率。
• 使用df.loc精准定位不同格式的行，指定对应格式进行转换，避免格式不匹配报错。
• 自动处理两位年份的世纪推断，适配数据的时间范围（1880-2015）。

灵活适配版本（无需固定行号） #

如果不确定格式切换的具体行号，可以通过字符串特征自动判断格式，代码如下：

import pandas as pd

df = pd.read_csv("sea_levels_1880_2015.csv")
df['Date'] = df['Date'].str.replace(',', '-')

# 自动识别格式：以4位数字开头的用%Y-%m-%d，否则用%d-%m-%y
mask = df['Date'].str.match(r'^\d{4}-')
df.loc[mask, 'Date'] = pd.to_datetime(df.loc[mask, 'Date'], format='%Y-%m-%d')
df.loc[~mask, 'Date'] = pd.to_datetime(df.loc[~mask, 'Date'], format='%d-%m-%y')

df['Date'] = df['Date'].dt.strftime('%Y-%m-%d')
df.to_csv("sea_lvl_1880_2015_updated.csv", index=False)

内容的提问来源于stack exchange，提问作者adubis