如何用Python Pandas将列中时间戳替换为最近日期值

方法一：利用日期转换识别并填充 #

import pandas as pd

# 初始化DataFrame
df = pd.DataFrame(
    ["7/12/2022","3:47:57AM"," 3:47:58AM","3:51:27AM","3:52:06AM",
     "7/13/2022","4:18:20AM","4:19:05AM","4:25:51AM","4:27:50AM"],
    columns=['Date']
)

# 将非日期值转为NaN，有效日期保留原格式
df['Date'] = pd.to_datetime(df['Date'], errors='coerce').dt.strftime('%m/%d/%Y')

# 向前填充NaN值，用最近的日期替换后续行
df['Date'] = df['Date'].ffill()

print(df)

方法二：通过字符串特征识别日期行 #

如果你的日期格式固定包含斜杠，也可以直接通过字符串匹配来标记日期行：

import pandas as pd

df = pd.DataFrame(
    ["7/12/2022","3:47:57AM"," 3:47:58AM","3:51:27AM","3:52:06AM",
     "7/13/2022","4:18:20AM","4:19:05AM","4:25:51AM","4:27:50AM"],
    columns=['Date']
)

# 标记包含斜杠的行（日期行），其他行设为NaN
mask = df['Date'].str.contains('/', na=False)
df['Date'] = df['Date'].where(mask).ffill()

print(df)

关键逻辑说明 #

• pd.to_datetime(..., errors='coerce')：尝试转换所有值为日期时间，无法转换的时间戳会变成NaT，后续通过strftime转回原日期字符串格式。
• ffill()：全称forward fill，会将每个缺失值（NaN）替换为上一个非缺失值，正好实现"用最近的日期填充后续行直到下一个日期出现"的需求。
• where(mask)：仅保留mask为True的行值，其余设为NaN，再配合ffill()完成填充。

内容的提问来源于stack exchange，提问作者Nick