Pandas判断日期是否为月初及非月初日期日月交换实现

架构老林

2026-10-7

错误原因

你遇到的报错和结果异常，核心问题是Python原生三元表达式不支持对Pandas Series做逐元素判断：

第一种写法里d['dates1'].dt.is_month_start == True返回的是一整列布尔值，Python无法把整列布尔值转换成单个判断条件，因此抛出ValueError: The truth value of a Series is ambiguous错误。
第二种写法用is True判断，本质是对比对象内存地址，布尔Series和True不可能是同一个对象，所以判断结果永远为False，输出结果自然不符合预期。

正确实现方案

推荐用向量化函数np.where做逐行条件判断，性能远高于逐行apply，两种实现方式可以按需选择：

方案1：直接调整字符串格式输出

import pandas as pd
import numpy as np

dummy_data1 = {
        'id': ['1', '2', '3', '4', '5'],
        'Feature1': ['A', 'C', 'E', 'G', 'I'],
        'Feature2': ['B', 'D', 'F', 'H', 'J'],
        'dates': ['01/09/2020','10/01/2020','01/11/2020','01/12/2020','01/02/2021']}

df1 = pd.DataFrame(dummy_data1, columns = ['id', 'Feature1', 'Feature2', 'dates'])

# 转换为datetime类型判断是否为月初
df1['dates_dt'] = pd.to_datetime(df1['dates'], format="%d/%m/%Y", errors="coerce")
# 条件判断：月初保留原日期，否则交换日月
df1['adjusted_dates'] = np.where(
    df1['dates_dt'].dt.is_month_start,
    df1['dates'],
    df1['dates'].str.split('/', expand=True).apply(lambda x: f"{x[1]}/{x[0]}/{x[2]}", axis=1)
)

方案2：输出调整后的datetime类型（方便后续日期计算）

df1['adjusted_dt'] = np.where(
    df1['dates_dt'].dt.is_month_start,
    df1['dates_dt'],
    # 非月初的日期直接按 月/日/年 格式解析，等价于交换日月
    pd.to_datetime(df1['dates'], format="%m/%d/%Y", errors="coerce")
)
# 如需转回%d/%m/%Y格式的字符串，可执行下面的代码
df1['adjusted_dates'] = df1['adjusted_dt'].dt.strftime("%d/%m/%Y")