如何正确处理pandas中的Date列，将'Jun 2021'批量转换为'2021-06'格式

核心转换代码 #

直接使用指定格式的日期转换逻辑，避免自动推断带来的匹配错误：

• 第一步：将原object类型的日期列转为datetime类型，明确指定输入格式为英文月份缩写+4位年份

# %b 匹配英文月份缩写（如Jun、Dec），%Y 匹配4位年份
df['Date'] = pd.to_datetime(df['Date'], format='%b %Y', errors='coerce')

添加errors='coerce'参数后，格式异常的行会被转为NaT空值，不会直接中断转换流程，方便后续排查异常数据。

• 第二步：将datetime类型的列格式化为YYYY-MM格式的字符串

df['Date'] = df['Date'].dt.strftime('%Y-%m')

常见报错排查方向 #

如果执行上述代码仍有报错，可按以下顺序排查：

• 先筛查原Date列的异常值：执行print(df[df['Date'].apply(lambda x: not isinstance(x, str) or len(x.strip()) < 8)])，检查是否存在空值、数字类型值、长度不符合规范的异常内容，修正后再重新转换。
• 若系统为中文locale导致无法识别英文月份缩写，可在转换前临时切换时间locale为英文：

import locale
# 临时指定时间识别规则为英文
original_locale = locale.getlocale(locale.LC_TIME)
locale.setlocale(locale.LC_TIME, 'en_US.UTF-8')

# 执行上面的两步转换代码

# 转换完成后切回原locale
locale.setlocale(locale.LC_TIME, original_locale)

• 检查是否存在非标准月份缩写，比如自定义缩写Jn代替Jun这类错误，批量修正后再执行转换即可。

内容的提问来源于stack exchange，提问作者Ricachu