Python处理pandas数据框两种混合日期格式并统一为DD/MM/YYYY的问题

问题根因 #

你当前代码报错的核心原因有两个：

• 仅将日期中的空格替换为/，没有处理原数据中存在的-分隔符，导致类似2021-10-08 00:00:00格式的日期处理后变成2021-10-08/00:00:00，分隔符不统一无法匹配指定格式
• 仅指定了单一的%d/%m/%Y/%H:%M解析规则，遇到YYYY/MM/DD HH:MM格式的日期时无法匹配

解决方法 #

步骤1：统一日期分隔符 #

先把所有日期中的-和空格都统一替换为/，避免分隔符混乱：

# 同时替换横杠和空格为斜杠，正则匹配一次处理完成
df['Appointment Date'] = df['Appointment Date'].str.replace(r'[- ]', '/', regex=True)
df['Attended Date'] = df['Attended Date'].str.replace(r'[- ]', '/', regex=True)

步骤2：多格式兼容解析 #

提供两种实现方案，可根据需求选择：

方案1：自动推断格式（适合大部分场景，代码更简洁）

利用pandas内置的日期推断能力，同时指定dayfirst=True优先匹配日/月/年的格式，避免月和日识别颠倒：

df['Appointment Date'] = pd.to_datetime(df['Appointment Date'], dayfirst=True, infer_datetime_format=True).dt.strftime('%d/%m/%Y')
df['Attended Date'] = pd.to_datetime(df['Attended Date'], dayfirst=True, infer_datetime_format=True).dt.strftime('%d/%m/%Y')

方案2：显式兜底解析（适合对准确性要求极高的场景，无推断误差）

自定义解析函数，按优先级尝试两种格式的解析，完全避免自动推断可能出现的识别错误：

def parse_custom_date(date_str):
    # 优先匹配DD/MM/YYYY/HH:MM格式
    try:
        return pd.to_datetime(date_str, format="%d/%m/%Y/%H:%M")
    except ValueError:
        # 匹配失败后尝试YYYY/MM/DD/HH:MM格式
        return pd.to_datetime(date_str, format="%Y/%m/%d/%H:%M")

# 应用到两个日期列
df['Appointment Date'] = df['Appointment Date'].apply(parse_custom_date).dt.strftime('%d/%m/%Y')
df['Attended Date'] = df['Attended Date'].apply(parse_custom_date).dt.strftime('%d/%m/%Y')

内容的提问来源于stack exchange，提问作者Mizanur Choudhury