如何在apply结合datetime函数时配置日在前的日期格式？

嘿，这个问题我之前处理多列日期格式化时也碰到过！其实只需要把dayfirst=True这个参数传递给apply里的pd.to_datetime就行，这里有两种简单好用的方法：

方法1：用lambda函数直接传递参数 #

这是最直观的方式，通过lambda接收每一列数据，然后调用pd.to_datetime时带上dayfirst=True：

df2[["Detection_time", "Device_ack", "Reset/Run", "Duration"]] = df2[["Detection_time", "Device_ack", "Reset/Run", "Duration"]].apply(lambda col: pd.to_datetime(col, dayfirst=True))

这样每一列都会按照**日在前（d/m/yyyy）**的格式去解析日期，和你之前处理单列的逻辑完全一致。

方法2：用functools.partial绑定参数（适合复用场景） #

如果之后还要多次用到这个带dayfirst=True的日期解析逻辑，可以用partial把参数提前绑定好，代码更简洁：

from functools import partial

# 先创建一个绑定了dayfirst=True的日期解析函数
parse_dayfirst_date = partial(pd.to_datetime, dayfirst=True)
# 再用apply批量处理列
df2[["Detection_time", "Device_ack", "Reset/Run", "Duration"]] = df2[["Detection_time", "Device_ack", "Reset/Run", "Duration"]].apply(parse_dayfirst_date)

额外小技巧：处理解析错误 #

如果某些列里存在无法解析的非日期值，怕报错中断处理的话，可以加上errors='coerce'参数，把无效值转为NaT（pandas的空日期类型）：

df2[["Detection_time", "Device_ack", "Reset/Run", "Duration"]] = df2[["Detection_time", "Device_ack", "Reset/Run", "Duration"]].apply(lambda col: pd.to_datetime(col, dayfirst=True, errors='coerce'))

内容的提问来源于stack exchange，提问作者Ipa