Pandas如何将DataFrame中3个日期列的datetime值转换为月份值

代码执行后无变化的核心原因：df.apply()默认按列遍历，传入lambda的参数x是整列的Series对象，不是单个单元格的datetime值，因此isinstance(x , datetime.datetime)的判断结果永远为False，逻辑直接走else分支返回原列，数据集自然不会发生改动。

优先使用Pandas原生的日期属性访问器做批量处理，运行效率远高于逐单元格判断，不需要额外写类型判断逻辑。

方案1：指定3个目标列处理 #

明确知道要处理的列名时直接指定列即可：

import pandas as pd

# 定义需要转换的日期列列表
date_columns = ['date 1', 'date 2', 'date 3']
# 批量提取两位格式的月份
df[date_columns] = df[date_columns].apply(lambda col: col.dt.strftime('%m'))

方案2：自动识别全表所有日期列处理 #

如果表中后续可能新增日期列，可以自动筛选所有datetime类型列做转换：

# 筛选所有datetime64类型的列
datetime_cols = df.select_dtypes(include=['datetime64[ns]']).columns
df[datetime_cols] = df[datetime_cols].apply(lambda col: col.dt.strftime('%m'))

注意：不推荐通过加axis=1逐行逐单元格遍历的方式实现转换，该方式运行效率比列批量处理低几个量级，仅做参考：

# 低效写法，不推荐
import datetime
df = df.apply(lambda row: row.apply(lambda x: x.strftime('%m') if isinstance(x, datetime.datetime) else x), axis=1)

原始数据格式 #

转换后目标格式 #

内容的提问来源于stack exchange，提问作者MJKing