如何拆分DataFrame混合日期时间列并转换日期格式？

没问题，我来帮你搞定这个需求！你的DataFrame里Date列混合了完整日期和单独时间，我们可以分步骤处理，既拆分出独立的日期、时间列，又把日期转换成你要的格式。

步骤1：准备示例数据 #

先把你的示例DataFrame创建出来：

import pandas as pd

data = pd.DataFrame()
data ['Date'] = ['Saturday 20th April 2019','12:30:00','12:30:00','15:00:00']
data ['Name'] = ['A','B','C','D']

步骤2：拆分并格式化日期列（Date1） #

我们需要先识别出包含完整日期的行，将其转换成dd-mm-yyyy格式，再通过向前填充让下方的时间行继承最近的日期：

# 1. 将日期行转为datetime类型，非日期行自动设为NaN
data['Date1'] = pd.to_datetime(data['Date'], errors='coerce')
# 2. 将datetime格式转成你需要的dd-mm-yyyy字符串
data['Date1'] = data['Date1'].dt.strftime('%d-%m-%Y')
# 3. 向前填充，让时间行获取上方最近的有效日期
data['Date1'] = data['Date1'].ffill()

步骤3：提取时间列（Time） #

接下来提取单独的时间值，只保留包含冒号的时间格式行，其他行设为空字符串：

# 判断每行是否为时间格式（含冒号），是则保留原内容，否则为空
data['Time'] = data['Date'].where(data['Date'].str.contains(':'), '')

最终结果 #

运行完上述代码后，你的DataFrame会变成这样：

补充说明 #

• pd.to_datetime(..., errors='coerce')能把非日期格式的字符串转为NaN，方便后续筛选和填充操作；
• ffill()向前填充的逻辑，适配你的场景：时间行默认属于上方最近的日期，即使数据里有多个日期块（多组日期+时间行）也能正常工作；
• 如果希望时间列的空值用NaN而非空字符串，只需把代码里的''替换成pd.NA即可。

内容的提问来源于stack exchange，提问作者Zephyr