如何在Python中正确将字符串日期'12/7/21'转为'2021-07-12'？

需要把类似12/7/21的日期字符串转换为2021-07-12格式的日期对象，原StackOverflow上的解决方案存在问题，具体情况如下：

原错误代码示例：

# StackOverflow上的建议解决方案
import pandas as pd
df = pd.DataFrame({'Date':['15/7/21']})
df['Date']
# 输出：0    15/7/21，dtype: object
pd.to_datetime(df['Date'].astype('datetime64'),format='%d/%m/%y')
# 输出：0   2021-07-15，dtype: datetime64[ns]

问题根源是代码中多了一步.astype('datetime64')——这会让pandas先自动解析日期字符串，后续传入的format='%d/%m/%y'参数完全失效。当输入改为12/7/21时，pandas会默认按月/日/年解析，得到错误结果：

df = pd.DataFrame({'Date':['12/7/21']})
pd.to_datetime(df['Date'].astype('datetime64'),format='%d/%m/%y')
# 输出：0   2021-12-07，dtype: datetime64[ns]

正确解决方案 #

以下几种方法都能实现类似R中lubridate::dmy(df$Date)的效果：

1. 直接指定format参数（推荐）
   去掉多余的.astype('datetime64')，直接用pd.to_datetime并明确日期格式：

import pandas as pd
df = pd.DataFrame({'Date':['12/7/21']})
df['Date'] = pd.to_datetime(df['Date'], format='%d/%m/%y')
# 输出：0   2021-07-12，符合预期

2. 使用dayfirst参数
   如果不确定日期格式，但明确日期在前、月份在后，可以用dayfirst=True让pandas优先解析第一个数字为日期：

df['Date'] = pd.to_datetime(df['Date'], dayfirst=True)

3. 利用dateutil.parser解析
   借助dateutil库的解析器，同样指定dayfirst=True：

from dateutil.parser import parse
df['Date'] = df['Date'].apply(lambda x: parse(x, dayfirst=True))

内容的提问来源于stack exchange，提问作者Amin Shn