如何在Pandas中将日期转换为巴西标准的dd/mm/yyyy格式

以下两种方案均为整列批量处理，不需要逐行修改，可直接复用：

场景1：导入电子表格时直接处理（推荐） #

导入阶段就完成格式转换，不需要后续额外操作：

import pandas as pd

# 读取xlsx格式文件示例，读取csv仅需把方法替换为pd.read_csv即可
df = pd.read_excel(
    "你的表格文件路径.xlsx",
    parse_dates=["你的日期列名称"], # 替换为实际需要处理的日期列名
    date_parser=lambda x: pd.to_datetime(x).strftime("%d/%m/%Y")
)

场景2：已导入数据后批量转换 #

如果表格已经导入到DataFrame中，直接对整列做批量格式转换：

# 先确保列被识别为日期类型，再格式化输出为dd/mm/yyyy格式的字符串
df["你的日期列名称"] = pd.to_datetime(df["你的日期列名称"]).dt.strftime("%d/%m/%Y")

处理完成后的日期列是字符串格式，直接赋值调用就会得到dd/mm/yyyy格式的纯日期内容，自动剔除默认携带的00:00:00时间后缀，完全适配自动发送工具的调用需求。

内容的提问来源于stack exchange，提问作者Bruno Vinicius