Python拆分日期与年份 批量格式化为标准MM/DD/YYYY格式

硬编码替换特定字符串只能覆盖单个场景，这类异常日期有统一规律：格式固定为月份名/DDYYYY，其中年份一定是4位数字，日期是1-2位数字，仅缺失日期和年份之间的斜杠。用正则匹配按格式规律补斜杠，就能适配所有月份的同类异常，不需要逐个配置。

完整可运行代码 #

import pandas as pd

# 读取原始Excel文件
df = pd.read_excel("Final_file.xlsx")

# 通用补斜杠逻辑：匹配所有「斜杠+日期+年份」的无分隔结构，自动插入斜杠
# 正则规则说明：匹配字符串结尾处，斜杠后跟随1-2位日期数字+4位年份数字的部分，在两组数字中间加/
df["Date"] = df["Date"].str.replace(r'/(\d{1,2})(\d{4})$', r'/\1/\2', regex=True)

# 转换为MM/DD/YYYY标准格式
df["Date"] = pd.to_datetime(df["Date"]).dt.strftime("%m/%d/%Y")

# 导出修复后的文件，加index=False避免生成多余的行号列
df.to_excel("Updated_Final_File.xlsx", index=False)

注意事项 #

• 该逻辑不会影响本身格式正确的日期数据，只会修复日和年之间缺失斜杠的异常值，覆盖1-12月所有同类错误
• 不需要额外安装第三方依赖，用pandas自带的字符串处理功能即可实现
• 如果运行时出现日期解析报错，可先执行print(df["Date"])排查是否存在不符合上述规律的特殊异常值，再针对性调整即可

内容的提问来源于stack exchange，提问作者Nani